机器学习--个人心得

一、机器学习的介绍

刚刚百度了下，机器学习，百度百科给这个词汇的解释是：研究计算器怎么模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。我个人的理解是，研究计算机，怎么让它学习人的行为，完成人指定给他的任务。现在很多日常生活都有机器学习相关的应用，比如：人脸识别，垃圾邮件过滤，购物车隔壁的产品推荐等等。

---

二、机器学习的任务及各类算法

机器学习主要分两大类：监督学习和无监督学习。

监督学习这类算法是要知道我们将要预测什么，目标变量的信息。这类算法又分两部分，一是解决分类任务，比如：k-近邻算法、朴素贝叶斯算法、决策树、Logistic回归、SVM、AdaBoost元算法等；二是解决回归任务的，它主要预测数值型数据，比如：线性回归，当然也有和分类相结合的：树回归。

而无监督学习是不对数据做标签，也没有类别信息，也不会给定目标值。比如对一群人分类问题，如果我们有一批训练集，同时有标签，分为A,B,C类人群，这时来了一个未知类别的人，计算机对他归属到哪一类，这是监督学习；而如果我们这一批训练集是没有标签的，我们根本不知道这群人应该分出多少类人群，那就需要计算机自己去判断，哪些数据比较像，就归为一类人。同样无监督学习也主要分两类算法：一是只对数据划分为离散组的聚类算法：k-means等；二是除了分组还需估计各组的相似程度等问题的密度估计算法：FP-growth等。

---

三、开发机器学习程序的步骤

通常遵循以下步骤（个别情况或算法可忽略个别步骤）：

1. 收集数据
2. 准备输入数据
3. 分析输入数据
4. 训练算法
5. 测试算法
6. 使用数据（部署到实际环境中使用）