1、回归回归基本上是分类，我们预测的是一个数字而不是类别。例如按里程计算的汽车价格，按时间计算的交通量，按公司增长计算的需求量等无监督学习无人监督发明的时间稍晚，在90年代。它的使用频率较低，但有时我们别无选择标签化的数据是奢侈的。但是如果我想创建，比如说，一个总线分类器呢？我是不是应该手动拍摄街道上一百万辆他妈的公共汽车的照片，并给它们每一辆贴上标签？在这种情况下，资本主义还有一点希望。多亏了社会分层，我们有数百万像机械土耳其人一样的廉价工人和服务，他们准备以0.05美元完成你的任务。这里的事情通常都是这样做的集群“基于未知特征划分对象。机器选择最佳方式”现在用的:针对市场细分（客户类型，忠诚度
2、）合并地图上接近的点 用于图像压缩 来分析和标记新数据 来检测异常行为 常用算法:K-means_clustering，Mean-Shift，DBSCAN降维“将特定特性组装成更高级别的特性”如今用于:推荐系统（）美丽的视觉效果 主题建模和相似文档搜索 假图像分析 风险管理 常用算法:主成分分析(PCA)，奇异值分解(SVD)，潜在Dirichlet分配(LDA)，潜在语义分析（LSA，pLSA，GLSA），t-SNE（用于可视化）关联规则学习“在订单流中寻找模式”现在用:预测销售和折扣 对一起购买的商品进行分析 把产品放在货架上 来分析网络冲浪模式 常用算法:Apriori，Euclat，F
3、P-growth内容内容经典机器学习经典机器学习什么是机器学习？什么是机器学习？集合方法集合方法强化学习强化学习深度学习深度学习集合方法“一堆愚蠢的树学会互相纠正错误”如今用于:所有适合经典算法的东西都接近（但工作得更好）搜索系统（）计算机视觉 目标检测 常用算法:随机森林，梯度提升堆叠 多个并行模型的输出作为输入传递给最后一个模型，最后一个模型做出最终决策。回归回归基本上是分类，我们预测的是一个数字而不是类别。例如按里程计算的汽车价格，按时间计算的交通量，按公司增长计算的需求量等无监督学习无人监督发明的时间稍晚，在90年代。它的使用频率较低，但有时我们根本别无选择Labeled data i
4、s luxury.But what if I want to create,lets say,a bus classifier?Should I manually take photos of million fucking buses on the streets and label each of them?Theres a little hope for capitalism in this case.Thanks to social stratification,we have millions of cheap workers and services like Mechanical
5、 Turk who are ready to complete your task for$0.05.And thats how things usually get done here.Clustering Divides objects based on unknown features.Machine chooses the best way“Nowadays used:For market segmentation(types of customers,loyalty)To merge close points on a map For image compression To ana
6、lyze and label new data To detect abnormal behavior Popular algorithms:K-means_clustering,Mean-Shift,DBSCANDimensionality Reduction Assembles specific features into more high-level ones“Nowadays is used for:Recommender systems()Beautiful visualizations Topic modeling and similar document search Fake image analysis Risk management Popular algorithms:Principal Component Analysis(PCA),Singular Value Decomposition(SVD),Latent Dirichlet allocation(LDA),Latent Semantic Analysis(LSA,pLSA,GLSA),t-SNE(for visualization)
