机器学习常用算法

机器学习的分类：
1、有监督的机器学习：预测、分类——有Y这一列——lable标签
2、无监督的机器学习：没有Y这一列（聚类）

机器学习：分类预测（线性回归算法）、聚类（K-means算法）、推荐

机器学习的核心思想：迭代计算，设置Threshold（阈值）求到最优解，简而言之就是做大量的尝试和测试（试）

Native—Bayes 算法：
贝叶斯分类器一种算法，适合做文本的分类，判定垃圾邮件之类等等
思维：一封邮件进入服务器，由服务器对邮件进行分词，把每一个词代入，在服务器端构建一个频率表，求它是垃圾邮件的概率

在Native-bayes算法中，如果需要计算多个特征的时候：假设他们的概率都是相互独立的，分别求出概率，似然之间的比例求出概率

拉普拉斯估计
频率表中的每个计数加上一个较小的数，保证每一个类中的每一个特征发生的概率非零

Apriori算法：一个频繁项集的所有子集都必须为频繁的子集
同时，在使用之前先排除所有的完全不相关关联规则
支持度support=x出现的次数/N（总数—订单）、一个项级在数据中出现的频率
置信度（带方向）=同时出现的支持度/被指向的物品的支持度
设置Threshold，大于则认定为强关联
迭代评估1项集，与Threshold比较，留下的进行迭代2，置信度与Threshold比较，直到没有产生新的项集

聚类：给事物打标签，寻找同一组内的个体之间的一些潜在的相似模式（代表性算法：K-means）

K-means ： K代表聚几类（事先设置）
原理：随机找三点，作为中心点，利用距离来分配和更新类，求平均点，然后迭代式的归堆，离谁近，归到哪里，直到这一次的平均值跟上一次的平均值相同（收敛）
N次聚类，N种结果
选择适当的聚类数：肘部法，随着K值的增大，Error会越来越小
理想状态：
Error最小：所有的点都落在中心点上，就没有误差
Error最大：只分成一类