【机器学习】传统机器学习学习流程

1、机器学习的概述

背景、发展现状、基本概念。

2、场景解析

数据探查、场景抽象、算法选择

3、数据预处理

采用（随即、系统、分层）、归一化、去除噪声、数据过滤

4、特征工程

特征抽象、特征重要性评估、特征衍生、特征降维。

5、机器学习算法

• 分类算法（K近邻、朴素贝叶斯、逻辑回归、支持向量机、随机森林）
• 聚类算法（K-means、DBSCAN）
• 回归算法
• 文本分析算法（分词算法-Hmm、TF-IDF、IDA）
• 推荐类算法
• 关系图算法（标签传播、Dijkstra最短路径）

6、机器学习算法 —— 深度学习

• 深度神经网络
• 卷积神经网络
• 循环神经网络

7、机器学习工具

• 单机版本（SPSS、R语言、工具对比）
• 分布式版本（Spark MLib、TensorFlow）
• 企业级别（亚马逊AWS ML、阿里云机器学习API）

8、业务解决方案

• 心脏病预测
• 商品推荐系统
• 金融风控案例
• 新闻文本分析
• 农业贷款发放预测
• 雾霾天气成因分析
• 图片识别

9、知识图谱

• 未来数据采集
• 知识图谱开源工具

转载于:https://my.oschina.net/u/3091870/blog/3069990