机器学习
机器学习三个部分:编程能力+数学统计知识+业务知识
机器学习分类
1 监督学习:例如分类、房价预测
2 无监督学习:例如聚类
3 强化学习:例如动态系统、机器人控制系统
机器学习算法
是否连续 | 无监督 | 有监督 |
---|---|---|
连续 | 聚类 && 降维 | 回归 |
PCA | 线性回归/多项式回归 | |
SVD | 决策树 | |
K-means | 随机森林 | |
不连续 | 隐马尔科夫 | 分类 |
相关性分析 | KNN/Trees | |
FP-Growth/Apriori | 逻辑回归/朴素贝叶斯/SVM |
机器学习一般思路
分析得到多个特征:高、富、帅、潜等;
观察多个数据得到每个数据的每个特征值;
设计得分函数;
设计损失函数;
损失函数最小化,求得特征权重;
根据得分函数,对新数据预测。