【说明】
来自慕课网机器学习基础课程的学习笔记，扫盲基本概念。
一、什么是机器学习
定义：利用计算机从历史数据中找出规律，并把这些规律用到对未来不确定场景的决策。
分类：
离线机器学习：如每晚定时任务建模分析数据进行学习。
在线机器学习：实时的进行建模分析数据学习，来一条分析一条，学习一条。如购物节等。
二、典型案例
关联规则算法
场景：购物篮分析，根据购物篮分析哪些商品是被同时购买的。
聚类算法
场景：用户细分精准营销。
朴素贝叶斯算法
场景：垃圾邮件识别。
决策树算法
场景：信用卡欺骗，银行风险识别。
CTR 预估算法（背后算法是线性逻辑回归算法）
场景：百度的搜索结果，会在竞价排名的基础上，优先显示用户最可能点击的一条结果，这个结果是结合用户之前的行为习惯排序展示的。
协同过滤算法
场景：购物组合推荐。
三、机器学习算法分类
算法分类1
有监督学习、无监督学习、半监督学习
有监督学习
分类算法、回归算法，明确给出学习算法中的Y值
image.png
无监督学习
聚类：没有给出算法中的Y值，需要把用户分成几类自己提前都不知道，根据结果去看Y应该是什么样子，典型的场景比如电信的用户分类。
半监督学习（强化学习）
开始有Y值，但是Y值的数据样本不好，随着数据越来越好，样本越来越好，结果越来越好。
算法分类2
分类与回归、聚类、标注
算法分类3（重要）
生成模型、判别模型
生成模型：告诉你某个数据30%可能是模型中的A类，30%可能是模型中的B类，50%是模型中的C类，是一种推断。
判别模型：告诉你某个数据是模型中的某一类，是一种结果。
四、常见算法
image.png
image.png
