什么是机器学习

标签：系统   特征工程   rank   c4.5   ble   驱动   分析   场景   历史   

利用计算机从历史数据中找出规律，并把这些规律用到对未来不确定场景的决策

1. 解决的问题：
   未来不确定场景的决策
2. 怎么解决问题
   利用计算机从历史数据中挖出的规律来解决问题
3. 机器学习要素
   • 主体
     主体是计算机
   • 数据
     数据量越大，找出的规律越精准
   • 规律
     通过算法，找到规律，机器学习系统利用规律自动生成落地方案

一、机器学习的源动力

1. 从历史数据中找出规律，把这些规律用到对未来场景的预测与决定；
2. 用数据替代专家
3. 经济驱动，数据变现

二、机器学习算法分类

1. 分类方法一

   1. 有监督学习
      • 分类算法
      • 回归算法
   2. 无监督学习
      • 聚类算法
   3. 半监督学习（强化学习）

2. 算法分类方法二

   1. 分类与回归
   2. 聚类
   3. 标注
3. 算法分类方法三
   1. 生成模型
   2. 判别模型

三、机器学习常见算法

• 其他常见算法
  • FP-Growth
  • 逻辑回归
  • RF、GBDT
  • 推荐算法
  • LDA
  • Word2Vector
  • HMM、CRF
  • 深度学习

机器学习解决问题步骤

1. 确定目标
   • 业务需求
   • 数据
   • 特征工程
2. 训练模型
   • 定义模型
   • 定义损失函数
   • 优化算法
3. 模型评估
   • 交叉验证
   • 效果评估

什么是机器学习

标签：系统   特征工程   rank   c4.5   ble   驱动   分析   场景   历史   

原文地址：http://blog.51cto.com/zeroandone/2163111