机器学习: 经典算法概述

一、十大经典算法

• C4.5决策树
• K-均值（K-mean）
• 支持向量机（SVM）
• Apriori
• 最大期望算法（EM）
• PagePank算法
• AdaBoost算法
• k-邻近算法（kNN）
• 朴素贝叶斯算法（NB）
• 分类回归树（CART）算法

二、应用场景

2.1 我说了解的应用场景：

• 人脸识别
• 无人车驾驶
• 语音识别
• 手写数字识别
• 垃圾邮件过滤
• 产品推荐

2.2 目前机器学习主要发挥的一些作用：

• 营销类场景：商品推荐、用户群体画像、广告精准投放。
• 金融类场景：贷款发放预测、金融风险控制、股票走势预测、黄金价格预测。
• SNS关系挖掘：微博粉丝领袖分析、社交关系链分析。
• 文本类场景：新闻分类、关键词提起、文章摘要、文本内容分析。
• 非结构化数据处理场景：图片分类、图片文本内容提取OCR。
• 其它各类预测场景：降雨预测、足球比赛结果预测。

机器学习的应用范围广泛，还用还有更大的空间去开发、去探索。

三、简单介绍

3.1 两种描述

（1）机器学习研究的主要内容，是关于在计算机上从数据中产生“模型”的算法。有了学习算法，我们把实验数据提供给他，它就能基于这些数据产生模型；在面对新的情况时，模型会给我们提供相应的判断。
（2）机器学习指的是通过统计学算法，对大量的历史数据进行学习从而生成经验模型，利用经验模型指导业务。

3.2 机器学习中的一些名词

从数据中学得模型的过程称为“学习”或“训练”，训练过程中使用的数据称为“训练数据”。其中每一个样本称为一个“训练样本”，训练样本组成的集合称为“训练集”。