何为机器学习

机器学习即是把无序的数据转换成有用的信息，利用计算机来彰显数据背后的真是含义。

数据挖掘十大算法

故为机器学习十大算法：

• C4.5决策树
• K-均值（K-mean）
• 支持向量机（SVM）
• Apriori
• 最大期望算法（EM）
• PageRank算法
• AdaBoost算法
• k-近邻算法（kNN）
• 朴素贝叶斯算法（NB）
• 分类回归树算法（CART）

机器学习分类

• 监督学习：给定输入样本集，机器就可以从中推演出指定目标变量的可能结果。（有目标性的）
• 无监督学习：无需用户知道搜索目标，只需从算法程序中得到这些数据的共同特征。

机器学习作用

能够从数据分析中领悟到有价值信息是非常重要的。（用数据说话）

监督学习中的目标变量

• 分类算法中目标变量的类型通常是标称型
• 回归算法中目标变量的类型通常是数值型

特征

将数据中每个类型称之为特征，又称属性；多个特征联系在一起共同组成一个训练样本。其目标称之为 目标变量

• 数值型：使用十进制数字表示
• 二值型：使用0 或 1
• 枚举类型：基于自定义调色板

机器学习的主要任务

数据集合分成由类似的对象组成的多个类的过程称之为 聚类；

寻找描述数据统计值的过程称之为 密度估计；

• 算法训练
• 回归：用于预测数值型数据

选择合适的算法

1. 想要算法完成何种任务
2. 需要分析或收集的数据是什么

开发机器学习的步骤

graph TB
    subgraph 开发过程
    收集数据-->准备数据
    准备数据-->分析数据
    分析数据-->训练算法
    训练算法-->测试算法
    测试算法-->使用算法
    end
    subgraph 说明
    训练算法-->用于监督学习
    end