机器学习的主要任务
监督学习
- 对于分类问题，机器学习的主要任务是将实例数据划分到合适的分类中，机器学习的另一项任务是回归，它主要用于预测数值型数据（数据拟合曲线）。
- 分类与回归属于监督学习，之所以称之为监督学习，是因为这类算法知道要预测什么，即目标变量的分类信息
无监督学习
- 对于监督学习，此时数据没有类别信息，也不会给定目标值
- 在无监督学习中，将数据集合分成由类似的对象组成的多个类的过程叫做聚类；
- 将寻找描述数据统计值的过程称之为密度估计
- 无监督学习还可以减少数据特征的维度，以便我们可以使用二维或三维图形更加直观地展示数据信息
监督学习的用途
| k-近邻算法 | 线性回归 |
| 朴素贝叶斯算法 | 局部加权线性回归 |
| 支持向量机 |
Ridige回归 |
| 决策树 | Lasso最小回归系数估计 |
非监督学习的用途
| K-均值 | 最大期望算法 |
| DBSCAN | Parzen窗设计 |
如何选择合适的算法
