1. 监督学习(supervised learning):
给定输入样本集，机器可以从中推演出指定目标的可能结果。
一般采用两种类型的目标变量：标称型和数值型。
- 标称型：标称型目标变量的结果只有在有限目标集中取值，如真与假，动物分类集合
{爬行类，鱼类， 哺乳类，两栖类}
- 数值型：数值型目标变量可以在无限数值集合中取值，如 0.001、
42.001、 1000.743 等。数 值型目标变量主要用于回归分析。
2. 无监督学习：数据没有类别信息，不会给定目标值。
- 聚类：无监督学习中，将数据集合分成由类似对象组成的多个类的过程
- 密度估计：将寻找数据统计值的过程称为密度估计
机器学习基础
------------
1. 概念：何为机器学习，将无序的数据转换成有用的信息
2. 数据获取：譬如可以在人们手机上装app，通过许多手机的磁力计得到信息
3. 术语：
- 专家系统
- 属性/特征
- 分类
- 目标变量(类别)
- 训练数据和测试数据
4. 任务：
1. 监督学习(知道预测什么，即目标变量的分类信息)
- 分类：将实例数据划分到合适的分类中，譬如数据拟合曲线
- 回归：主要用于预测数值型数据
2. 无监督学习(数据无类别信息，不给目标值)
- 聚类：数据集合分成类似对象组成的集合
- 密度估计：寻找数据统计值的过程
- 无监督学习还可以减少数据特征的维度，以便我们可以使用二维或三维图形展示数据
5. 开发步骤
1. 收集数据
2. 准备输入数据
3. 分析输入数据
4. 训练算法
5. 测试算法
6. 使用算法
来源：https://www.cnblogs.com/CuriousBull/p/5314862.html