关键词：
根据不同的计算结果要求，机器学习可分成若干种。这些不同的目的决定了机器学习在实际应用中可分成不同模型和分类。
前面已经提到，机器学习还是一门涉及多个领域的交叉学科，也是多个领域的新兴学科，因此，它在实践中会用到不同学科中经典的研究方法，即算法。
3.2.1 机器学习的算法流程
首先需要知道的是，对于机器学习来说，一个机器学习的过程是一个完整的项目周期，其中包括数据的采集、数据的特征提取与分类，以及之后采用何种算法去创建机器学习模型，从而获得预测数据。整个机器学习的算法流程如图3-2所示。
图3-2 机器学习的算法流程
在一个机器学习的完整流程中，整个机器学习程序会使用数据去创建一个能够对数据进行有效处理的学习“模型”。这个模型可以动态地对本身进行调整和反馈，从而较好地对未知数据进行分类和处理。
一个完整的机器学习项目包含以下内容：
l 输入数据：通过自然采集的数据集，包含被标识的和未被标识的部分，作为机器学习的最基础部分。
l 特征提取：通过多种方式对数据的特征值进行提取。一般而言，包含特征越多的数据，机器学习设计出的模型就越精确，处理难度也越大。因此恰当地寻找一个特征大小的平衡点是非常重要的。
l 模型设计：模型设计是机器学习中最重要的部分，根据现有的条件，选择不同的分类，采用不同的指标和技术。模型的训练更多的是依靠数据的收集和特征的提取，这点需要以上各部分的支持。
l 数据预测：通过对已训练模式的认识和使用，使得学习机器能够用于研究开发、模拟和扩展人的多重智能的方法、理论和技术。
整个机器学习的流程是一个完整的项目生命周期，每一步都是以上一步为基础进行的。
3.2.2 基本算法的分类
根据输入的不同数据和对数据的处理要求，机器学习会选择不同种类的算法对模型进行训练。算法训练的选择没有特定的模式，一般而言，只需要考虑输入的数据形式和复杂度以及使用者模型的使用经验，之后据此进行算法训练，从而获得更好的学习结果。
根据基本算法的训练模式，可将算法分成以下几类（图3-3）：
l 无监督学习：完全黑盒训练的一种训练方法，对于输入的数据在运行结束前没有任何区别和标识，也无法进行分类。完全由机器对数据进行识别和分类，形成特有的分析模型。训练过程完全没有任何指导，分析结果也是不可控的。
l 有监督学习：输入的数据被人为地分类，被人为地标记和识别。通过对人为标识的数据进行学习，不断修正和改进模型，使模型能够对给定的标识后的数据进行正确分类，达到分类的标准。
l 半监督学习：通过混合有标识数据和无标识数据，创建同一模型对数据进行分析和识别，算法的运行介于有监督和无监督之间，最终使得全部输入数据能够被区分。半监督学习主要用于有特征值缺失的数据分析。
l 强化学习：通过输入不同的标识数据，使用已有的机器学习数据模型，进行学习、反馈并修正现有模型，从而建立一个新的能够识别输入数据的模型算法。
不同的算法有不同的目的和要求。机器学习在实际使用时有很多算法可供选择，而不同的算法又有很多的修正和改变。对于某个特定的问题，选择一个符合数据规则的算法是很困难的。
一般目前用得比较多的是有监督学习和无监督学习，但是由于大数据的普及，更多的数据会产生大量的特征值缺失，因此未来的一段时间，半监督学习逐渐变得热门起来。
机器学习基本算法
Basis(基础)：MSE(MeanSquareError均方误差)，LMS(LeastMeanSquare最小均方)，LSM(LeastSquareMethods最小二乘法)，MLE(MaximumLikelihoodEstimation最大似然估计)，QP(QuadraticProgramming二次规划)，CP(ConditionalProbability条件概率)，JP(JointProb 查看详情
机器学习-4.开发流程算法基本认知
1.机器学习开发流程我们作为机器学习的开发工程师首先要明确自己学习的定位，也就是确定学习边界。大部分复杂模型的算法设计都是由算法工程师去做的，我们只需要：分析很多的数据；分析具体的业务；... 查看详情
基本机器学习算法思想以及编程实现(代码片段)
概要把常用的机器学习算法：\(k\)-近邻算法、决策树、朴素贝叶斯、\(K\)-均值聚类其思想有及python代码实现总结一下。做到既要知其然又要知其所以然。参考《机器学习实战》。??\(k\)-近邻算法?基本原理?\(k\)-近邻算法是分类数... 查看详情
bp算法基本原理推导----《机器学习》笔记
前言多层网络的训练需要一种强大的学习算法，其中BP（errorBackPropagation）算法就是成功的代表，它是迄今最成功的神经网络学习算法。今天就来探讨下BP算法的原理以及公式推导吧。神经网络先来简单介绍一下神经网络，引入基... 查看详情
机器学习算法(代码片段)
机器学习常用算法一、线性回归1.基本概念2.代码实现二、逻辑回归1.基本概念Sigmoid预测函数2.代码实现三决策树1.基本概念2.代码实现四支持向量机（SVM）1.基本概念2.代码实现五全连接神经网络DNN1.基本概念全连接神经网... 查看详情
深度学习基础-机器学习基本原理(代码片段)
前言深度学习是机器学习的一个特定分支。我们要想充分理解深度学习，必须对机器学习的基本原理有深刻的理解。大部分机器学习算法都有超参数（必须在学习算法外手动设定）。机器学习本质上属于应用统计学，其更加强调... 查看详情
深度学习，机器学习所涵盖的100多个基本概念总结
目录一、基础算法二、经典算法三、机器学习四、优化算法五、特殊技巧 查看详情
机器学习svm算法数字识别器(代码片段)
目录1SVM算法api1.1SVM算法api综述1.2SVC1.3NuSVC1.4LinearSVC1.5小结2案例：数字识别器2.1案例背景介绍2.2数据介绍2.3案例实现3SVM总结3.1SVM基本综述3.2SVM优缺点1SVM算法api1.1SVM算法api综述SVM方法既可以用于分类（二/多分类），... 查看详情
机器学习的基本概念[更新]
1.传统算法与机器学习的区别机器学习：让机器去学习 传统算法：让机器去执行2.人类学习的过程人类的学习过程是一个典型的经验学习的过程。3.机器学习的过程机器学习的过程和人类学习的过程是极为相似的。 &nb... 查看详情
机器学习算法的五种基本算子是
...对误差的衡量来探索变量之间的关系的一类算法，是统计机器学习的利器。2.基于实例的算法。基于实例的算法常常用来对决策问题建立模型，这样的模型常常先选取一批样本数据，然后根据某些近似性把新数据与样本数据进行... 查看详情
机器学习十大算法
一、记录机器学习中的基本算法学习参考资源1、EM算法原理：http://blog.csdn.net/sajiahan/article/details/53106642 查看详情
机器学习的基本概念
目录机器学习定义基本概念机器学习之常见应用框架机器学习、数据分析、数据挖掘区别与联系机器学习分类【重要】机器学习开发流程【重要】机器学习之商业场景 一、机器学习定义MachineLearning(ML)isascientificdisciplinetha... 查看详情
机器学习的基本概念
目录机器学习定义基本概念机器学习之常见应用框架机器学习、数据分析、数据挖掘区别与联系机器学习分类【重要】机器学习开发流程【重要】机器学习之商业场景??一、机器学习定义MachineLearning(ML)isascientificdisciplinethatdealswith... 查看详情
机器学习基本算法总结
写这篇博文主要是想对自己近期学到的机器学习知识做一个总结，同时也谈一谈我对人工智能的理解。一、我对人工智能的理解首先谈一谈我对人工智能的理解。人工智能企图理解智能的本质，并让机器也拥有类似于人... 查看详情
机器学习集成学习算法(代码片段)
目录1集成学习算法简介1.1什么是集成学习1.2机器学习的两个核心任务1.3集成学习中boosting和Bagging1.4小结2Bagging和随机森林2.1Bagging集成原理2.2随机森林构造过程2.3包外估计2.3.1包外估计的定义2.3.2包外估计的用途2.4随机森林api介绍2... 查看详情
机器学习svm算法案例：数字识别器(代码片段)
案例：数字识别器1.案例背景介绍2.数据介绍3.案例实现3.1获取数据3.1.1确定特征值\\目标值3.1.2查看具体图像3.2数据基本处理3.2.1数据归一化处理3.2.2数据集分割3.3特征降维和模型训练3.4确定最优模型1.案例背景介绍MNIST（“... 查看详情
十个机器学习基本算法之-线性回归(代码片段)
在图解最常用的10个机器学习算法！给出了最常用到的10个及其学习算法。举个例子来说，你不能说神经网络永远比决策树好，反之亦然。模型运行被许多因素左右，例如数据集的大小和结构。因此，你应该... 查看详情
机器学习：基本概念五大流派与九种常见算法
机器学习正在进步，我们正在不断接近创造人工智能的目标。语音识别、图像检测、机器翻译、风格迁移等技术已经在生活中开始得到了应用，但机器学习的发展仍还在继续，有人认为这场变革有可能会彻底改变人类文明的发展... 查看详情