1、机器学习是什么？
机器学习是数据通过算法构建出模型并对模型进行评估，评估的性能如果达到要求就拿这个模型来测试其它数据，如果达不到要求就要调整算法来重新建立模型，再次进行评估，如此循环往复，最终获取满意的经验来处理其它数据
2、机器学习分类
1）监督学习
2）无监督学习
3）半监督学习
4）强化学习
3、机器学习算法
1）回归算法
试图采用对误差的衡量来探索变量之间关系的一类算法，回归算法是统计机器学习的利器，常见的回归算法包括：最小二乘法(Ordinary Least Square)、逻辑回归(Logistic Regression)、逐步式回归(Stepwise Regression)、多元自适应回归样条(Multivariate Adaptive Regression Splines)以及本地散点平滑估计
2）基于实例的算法
常用来对决策问题建立模型，会优先选择一批样本数据，然后根据某些近似性把新数据与样本数据进行比较，通过这种方式来寻找最佳的匹配，也被称为“基于记忆的学习”，常见的算法包括“k-Nearest Neighbor”、学习矢量化(Learning Vector Quantization ,LVQ)以及自组织映射算法(Self-Organizing Map)
3）正则化方法
4）决策树学习
根据数据的属性采用树状结构建立决策模型，常用来解决分类和回归问题，包括分类及回归树、ID3、C4.5、随机森林等
5）贝叶斯学习
用来解决分类及回归的问题，常见算法包括朴素贝叶斯算法、平均单依赖估计等
6）基于核的算法
7）聚类算法
8）关联规则学习
9）人工神经网络算法
10）深度学习算法
11）降低纬度算法
12）集成算法