摘自范明等譯的(原著ethem alpaydin)《機器學習導論》第一章，參雜部分個人見解，不對之處歡迎指點
學習機器學習，應首先知道它在實際生活中的應用具體有哪些，這樣有利於進一步的原理學習。
1 學習關聯性
購物籃分析：即挖掘商品間的關聯性，購買了商品x的使用者有多大的可能性會購買商品y，其中使用者可進一步增加限制條件，如性別、年齡等
2 分類（監督學習）
信貸：根據客戶資訊，如收入、存款等對客戶的申請計算風險，決定接受或拒絕該項申請。該項也可以看做學習關聯性，即計算客戶能償還該貸款的可能性有多大
模式識別：光學字元識別，如手寫體字元識別；人臉識別；醫學診斷；語音識別
知識抽取：發現規則，如爭取信貸中低風險的客戶
離群點檢測：發現不遵守規則的例外例項，如詐騙
3 回歸（監督學習）
**二手車**：輸出是車的**，是不可數的資料，而不是某幾個可數的類別，這類問題視為回歸。輸入資訊可以為品牌、車齡等
烘焙咖啡：輸入溫度、咖啡豆等資訊，測試消費者的滿意度，從而確定咖啡的品質
4 非監督學習
監督學習中，可以提供輸出的正確值，而非監督學習之有輸入資料，目標是發現輸入資料的規律，這在統計學中成為密度估計，密度估計方法之一便是：聚類
聚類應用：
5 增強學習
西洋棋：規則少，但每局包含大量移動，每種狀態又都有大量可行的移動，即單個移動並不重要，只有能戰勝對手的移動序列中的每乙個移動才是好的
機械人導航和足球機械人都類似西洋棋，這類問題還包含不完整和不可靠資訊，依賴裝置能否輸出完整的資訊，所以機械人總是處於部分可觀測狀態，這種不確定性因素也因考慮在內
1 2 機器學習的應用例項
1.2.1 關聯性 在零售業中，例如超市連鎖店，機器學習的乙個應用是購物籃分析它的任務是發現顧客所購買商品之間的關聯性 如果人們在購買商品x時候，也購買商品y 而有一名顧客購買了商品x確沒有購買商品y 則他即是商品的潛在客戶。1.2.2 分類 在信用評分中，銀行要計算給定信貸額度的客戶資訊情況下的風...
例項詳解機器學習
例項詳解機器學習如何解決問題 美團點評技術團隊 前言 隨著大資料時代的到來，機器學習成為解決問題的一種重要且關鍵的工具。不管是工業界還是學術界，機器學習都是乙個炙手可熱的方向，但是學術界和工業界對機器學習的研究各有側重，學術界側重於對機器學習理論的研究，工業界側重於如何用機器學習來解決實際問題。我們...
機器學習helloworld（例項）
相信準備入坑機器學習的朋友們，大多數剛開始看著眾多的數學公式，會有種想放棄的挫敗感！至少我是這樣的。堅持下來，找到適合的方式，相信很快你也會寫出自己機器學習的 helloworld！入坑指南 提取密碼 5s0u import gzip import os import struct import n...