机器学习十讲第一讲

一.有监督学习

含义：数据集中的样本带有标签，有明确的目标

目标：找到样本到标签的最佳映射

回归和分类

　　回归模型：线性回归、岭回归、LASSO和回归样条等

　　分类模型：逻辑回归、K近邻、决策树、支持向量机等

应用场景：垃圾邮件分类、病理切片分类、客户流失预警、客户风险评估、房价预测等。

二、无监督学习

含义：数据集中的样本没有标签，没有明确目标。根据数据本身的分部特点，挖掘反映数据的内在特征

聚类：将数据集中相似的样本进行分组，使得：同一组对象之间尽可能相似；不同组对象之间尽可能不相似。

应用场景　　

　　基因表达水平聚类:根据不同基因表达的时序特征进行聚类,得到基因表达处于信号通路上游还是下游的信息

　　篮球运动员划分:根据球员相关数据,将其划分到不同类型(或者不同等级)的运动员阵营中

　　客户分析:把客户细分成不同客户群,每个客户群有相似行为,做到精准营销

三、强化学习

含义：智慧决策的过程，通过过程模拟和观察来不断学习、提高决策能力

例如：AlphaGo