【ML--01】第一课 机器学习概述

接下来打算整理下一套机器学习的过程和学习文档分享给大家，共同学习进步~

我理解的机器学习（Machine Learing，ML）

1、、机器学习是对能通过经验自动改进的计算机算法的研究。从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。机器学习以算法为主，需要一定的数学素养，最终目标将机器学习算法用于大数据挖掘。

2、机器学习是人工智能研究的核心内容。它的应用已遍及人工智能的各个分支。数据挖掘，推荐系统，自然语言处理，文本挖掘，图像处理，OCR,计算机视觉 ，语音识别，人脸识别，机器人算法等。

3、机器学习算法主要分为有监督和无监督算法两种。
监督学习算法包括 统计分类，回归分析等，无监督学习算法包括聚类，关联规则等。

具有代表性的算法

@1、回归预测及相应的降维技术：线性回归，Logistic回归，主成分分析，因子分析，岭回
归，LASSO
@2、分类器：决策树，朴素贝叶斯，贝叶斯信念网绚，支持向量机，提升分类器准确率的
@3、Adaboost和随机森林算法
@4、聚类不孤立点判别
@5、人工神经网绚

4、需要掌握的机器学习十大算法
c4.5，k-means,svm,EM,pagerank,ADaboost,k-nearest neighbor classification, navibayes ,CART.

5、编程语言/实现工具
python,R，matlab，WEKA，spark mllib，mahout等。

6、一些入门介绍资料
面向开发人员的机器学习指南
http://blog.jobbole.com/109702/
普通程序员如何转向人工智能方向？
http://blog.jobbole.com/109352/
大数据职位所需的数据场技能
http://blog.jobbole.com/99039/