机器学习概念

机器学习定义：机器学习是一种实现人工智能的一个分支，它通过一些计算机可以自动“学习”算法，并从中获得分析的规律，然后利用规律对新的样本进行预测。

机器学习和其他学科关系：

机器学习的演化：

机器学习的一般流程

机器学习种类

机器学习种类有：监督学习（supervised Learning）、增强学习（reinforcement learning）、无监督学习（unsupervised learning）、集成学习、神经网络深度学习。

机器学习类别：

1. 监督式学习通过对数据进行标注（通过已有的训练样本去训练得到一个最优模型），来让机器学习。监督式学习问题可以进一步被分为回归和分类问题。

2. 非监督式学习的目标是对数据中潜在的结构和分布建模（没有任何训练样本），以便对数据作更进一步的学习。监督算法 和非监督 区别，是否有标签数据 ）

3. 强化学习用于描述和解决智能体（agent）在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题

机器学习的算法分类：

1. 分类算法：决策树、支持向量机、贝叶斯网络

2. 聚类算法：基于划分的算法K-means，基于层次的算法BIRCH，基于密度的算法DBSCAN，基于网络的算法

3. 关联分析：Apriori算法、FP-growth算法、Eclat算法

4. 回归分析：线性回归、逻辑回归、多项式回归、岭回归

5. 深度学习：RBM、深度信念网(DBN)、卷积神经网络(CNN)

机器学习技能树

文章参考

http://www.360doc.com/content/19/0211/15/16619343_814245361.shtml