1.机器学习开发流程

2.机器学习算法分类

3.机器学习模型是什么？

机器学习开发流程

机器学习算法分类

监督学习（特征值+目标值）

监督学习（英语：Supervised learning），可以由输入数据中学

到或建立一个模型，并依此模式推测新的结果。输入数据是由

输入特征值和目标值所组成。函数的输出可以是一个连续的值

（称为回归），或是输出是有限个离散值（称作分类）。

分类 k-近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归、神经网络回归 线性回归、岭回归标注 隐马尔可夫模型(不做要求)

无监督学习（特征值）

无监督学习（英语：Supervised learning），可以由输入数据中

学到或建立一个模型，并依此模式推测新的结果。输入数据是

由输入特征值所组成。

聚类 k-means

分类

概念：分类是监督学习的一个核心问题，在监督学习中，当输出变量取有限个离散值时，预测问题变成为分类问题。最基础的便是二分类问题，即判断是非，从两个类别中选择一个作为预测结果；

回归

概念：回归是监督学习的另一个重要问题。回归用于预测输入变量和输出变量之间的关系，输出是连续型的值。