对于机器学习路线图文章的理解
一：机器学习关注的问题
监督学习（有相关的标签）
1:分类问题
2:回归问题
无监督学习
3:聚类问题（没有已知道的标签）
二具体在计算机行业中的问题
1:计算机视觉
2:自然语言处理
3:社会网络分析
4:推荐系统
三：学习的应该具备的基本的素质
数学（微积分，线性代数，概率统计）
英语
机器学习的典型的算法（）
1:处理分类问题的：逻辑回归，支持向量机，随机森林，朴素贝叶斯，深度神经网络
2:回归：线性，最小二成，逐步回归，多元适应性回归
3:聚类：k均值，基于密度聚类，LDA等？？？？
4:降维：主成分分析，奇异值分解
5:推荐系统：协同过滤
6:模型融合和提升，bagging,adaboost,GBDT,GBRT
关于算法的解释，其中编程语言中的算法是关心的是它的时空复杂度
机器学习中的算法是关心的是他的准确度和他的精确度召回率等
编程语言
java
python(keras,tf,thenora,skikit-learn)
R
c++
关于数据集
有鸢尾花
有mins
cira-10,caifa-100
