1、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经典机器学习 经典的机器学习通常分为两类-监督学习和非监督学习监督学习 有监督学习有两种类型:分类-对象的类别预测，回归-数字轴上特定点的预测分类 根据事先已知的一个属性拆分对象。根据颜色拆分袜子，根据语言拆分文档，根据流派拆分音乐 如今用于:垃圾邮件过滤，语言检测，相似文档搜索，情感分析，手写字符和数字识别，欺诈检测等 常用算法:朴素贝叶斯，决策树，逻辑回归，k-最近邻，支持向量机分类 在垃圾邮件过滤中，朴素贝叶斯算法得到了广泛的应用。机器会计算垃圾邮件和普通邮件中提到“伟哥”的次
2、数，然后利用贝叶斯方程将两种概率相乘，然后将结果相加，我们就有了机器学习分类下面是另一个分类的实际例子。假设你需要一些赊账的钱。银行怎么知道你还不还？利用这些数据，我们可以教机器找到模式并得到答案。得到答案不成问题。问题是银行不能盲目相信机器答案。为了处理它，我们有决策树。所有数据自动分成是/否问题。从人的角度来看，这听起来可能有点奇怪，例如，债权人的收入是否超过128.12美元？不过，机器会提出这样的问题，以便在每一步最好地分割数据分类支持向量机（Support Vector Machines，SVM）是目前最流行的经典分类方法。它被用来对现存的一切进行分类:根据照片中的外观对植物进行分类，根据类别对文档进行分类等等支持向量机背后的思想很简单-它试图在数据点之间画两条线，它们之间有最大的边距。看图:回归“在这些点上画一条线。是的，这就是机器学习。”今天这个词用于:股价预测 需求和销量分析 医学诊断 任意次数相关常用的算法是线性回归和多项式回归。
