Python机器学习之基础概述

一、基础概述

机器学习（Machine Learing）是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。
机器学习专门研究计算机怎样模拟或实现人类的学习行为，以便获取新的知识和技能，重新组织已有的知识结构使之不断改善自身的性能。
机器学习是人工智能的核心，是计算机具有智能的根本途径，其应用遍及人工智能的各个领域。
机器学习使用归纳、综合而不是演绎。

二、算法分类

按照学习方式

监督学习

半监督学习

无监督学习

强化学习

按照算法相似性

回归算法

聚类算法

降维算法

深度学习

集成算法

正则化算法

决策树算法

贝叶斯算法

关联规则学习

人工神经网络

基于核的算法

基于实例的算法

三、研究内容

机器学习领域的研究工作主要围绕以下三个方面

面向任务的研究，研究和分析改进一组预定任务的执行性能的学习系统。
认知模型，研究人类学习过程并进行计算机的模拟。
理论分析，从理论上探索各种可能的学习方法和独立于应用领域的算法。