什麼是機器學習

零、什麼是機器學習

利用計算機從歷史數據中找出規律，並把這些規律用到對未來不確定場景的決策

1. 解決的問題：
   未來不確定場景的決策
2. 怎麼解決問題
   利用計算機從歷史數據中挖出的規律來解決問題
3. 機器學習要素
   • 主體
     主體是計算機
   • 數據
     數據量越大，找出的規律越精準
   • 規律
     通過算法，找到規律，機器學習系統利用規律自動生成落地方案

一、機器學習的源動力

1. 從歷史數據中找出規律，把這些規律用到對未來場景的預測與決定；
2. 用數據替代專家
3. 經濟驅動，數據變現

二、機器學習算法分類

1. 分類方法一

   1. 有監督學習
      • 分類算法
      • 迴歸算法
   2. 無監督學習
      • 聚類算法
   3. 半監督學習（強化學習）

2. 算法分類方法二

   1. 分類與迴歸
   2. 聚類
   3. 標註
3. 算法分類方法三
   1. 生成模型
   2. 判別模型

三、機器學習常見算法

序號	挖掘主題	算法
1	分類	C4.5
2	聚類	K-Means
3	統計學習	SVM
4	關聯分析	Apriori
5	統計學習	EM
6	鏈接挖掘	PageRank
7	集裝與推進	AdaBoost
8	分類	kNN
9	分類	Naiive Bayes
10	分類	CART

• 其他常見算法
  • FP-Growth
  • 邏輯迴歸
  • RF、GBDT
  • 推薦算法
  • LDA
  • Word2Vector
  • HMM、CRF
  • 深度學習

機器學習解決問題步驟

1. 確定目標
   • 業務需求
   • 數據
   • 特徵工程
2. 訓練模型
   • 定義模型
   • 定義損失函數
   • 優化算法
3. 模型評估
   • 交叉驗證
   • 效果評估