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。