一、基本概念
1.分类
通过分类模型，将样本数据集中的样本映射到某个给定的类别中
2.聚类
通过聚类模型，将样本数据集中的样本分为几个类别，属于同一类别的样本相似性比较大
3.回归
反映了样本数据集中样本的属性值的特性，通过函数表达样本映射的关系来发现样本属性值之间的依赖关系
4.关联规则
获取隐藏在数据项之间的关联或相互关系，即可以根据一个数据项的出现推导出其他数据项的出现频率
二、机器学习开发流程
1.数据收集
2.数据预处理
主要是：数据过滤，处理缺失值，处理异常值，合并多个数据源，数据汇总。
对缺失值的处理一般有上采样和下采样。
在数据不均衡的情况，通过上采样人为的制造比例偏小的数据以使数据分布比较均衡；下采样就是抽取比例较大的数据以使数 据分布比较均衡；所谓均衡大概是维持在3:1～5:1之间。
3.特征提取
特征提取分为：特征选择和特征降维
特征选择是从总特征中选出若干比较重要的特征。
特征降维是在原始特征的基础上，通过一定的规则在保持原有特征维度不变情况下生成新的数据集，再从此基础上选取若干比 较重要的特征。
4.模型构建
5.模型测试与评估
6.投入使用(模型部署与整合)
7.迭代与优化