第一章 机器学习基础

机器学习的主要任务

监督学习

• 　　对于分类问题，机器学习的主要任务是将实例数据划分到合适的分类中，机器学习的另一项任务是回归，它主要用于预测数值型数据（数据拟合曲线）。
• 　　分类与回归属于监督学习，之所以称之为监督学习，是因为这类算法知道要预测什么，即目标变量的分类信息

无监督学习

• 　　对于监督学习，此时数据没有类别信息，也不会给定目标值
• 　　在无监督学习中，将数据集合分成由类似的对象组成的多个类的过程叫做聚类；
• 　　将寻找描述数据统计值的过程称之为密度估计
• 　　无监督学习还可以减少数据特征的维度，以便我们可以使用二维或三维图形更加直观地展示数据信息

　

监督学习的用途

k-近邻算法	线性回归
朴素贝叶斯算法	局部加权线性回归
支持向量机	Ridige回归
决策树	Lasso最小回归系数估计

 

非监督学习的用途

K-均值	最大期望算法
DBSCAN	Parzen窗设计

 

如何选择合适的算法