机器学习基本概念和算法

最近接触了一点机器学习，希望用博客能记录下方便自己学习
机器学习首先分为监督学习和无监督学习。

监督学习
从给定的训练数据集中学习出一个函数（模型参数），当新的数据到来时，可以根据这个函数预测结果
监督学习常见的是：（1）回归（连续型数据）；（2）分类（离散型数据）
无监督学习
输入数据没有被标记，也没有确定的结果。样本数据类别未知，需要根据样本间的相似性对样本集进行分类
无监督学习常见的是：（1）基于概率密度函数的分类；（2）基于样本间相似性度量的聚类

损失函数
用于度量模型一次预测的好坏
假设模型f为决策函数，对于给定的输入x,f(x)输出预测值，Y为真实值。

好吧，由于基本概念懒得打字，直接贴ppt图片了，反正也是自己看。接下来是机器学习基本算法。

基本算法

1. 朴素贝叶斯
2. 隐马尔科夫
3. 决策树
4. 随机森林
5. 感知机
6. Logistics回归
7. SVM
8. KNN
9. k-means
10. 10.PCA

关于算法的详解在下一篇文中