机器学习 概论
什么是机器学习
- 机器学习是一门多领域交叉的学科，包括但不限于计算机、数学、统计学。专门研究计算机或其他软硬件设备如何模拟或实现人类的学习行为，以获得新的知识或技能，重新组织已有的知识结构，使之不断改善自身的性能。
- 机器学习是人工智能研究的核心内容。在人工智能的各个分支中，都大量存在机器学习的应用。例如：“专家系统”、“自动推理”、“自然语言”、“模式识别”（模式：常见的规律的识别）、“计算机视觉”、“智能机器人”等领域。
- 应用机器学习技术到产品中，给用户带来“机器具备人类智能”的震撼体验。
- 人力成本上升，机器学习能降低企业成本。
- 第二次机器革命——以具备人类智能为核心价值的机器占主导地位
- 机器学习在数据挖掘里被大量使用，其机器内涵几乎通用，可以看做是同座山峰的不同侧面。
机器学习应用较多的领域
- 数据分析和数据挖掘：用机器学习实现一套工具、方法或程式，从现实世界的含量数据中提炼出有价值的知识、规则和模式。并把该成果应用到前台系统，辅助业务进行，例如：推荐、决策系统，精准识别，参与服务等。
- 图像和语音识别：语音输入、OCR、手写输入、通讯监控、车牌识别、指纹识别、虹膜识别、人脸识别等。
- 智慧机器，机器人：生产线机器人，人机对话，电脑博弈。
- 文本挖掘：垃圾邮件过滤、新闻爬取、评论分析（贝叶斯分类器）。
软件
R、Weka、Matlab、Python
具有代表性的算法
- 回归预测及相应的降维技术：线性回归，Logistic回归，主成分分析，因子分析，岭回归，LASSO
- 分类器：决策树，朴素贝叶斯，贝叶斯信念网络，支持向量机，提升分类器准确率的Adaboost和随机森林算法
- 聚类与孤立点判别
- 人工神经网络