什么是机器学习？

　　利用计算机从历史数据中找出规律，并把这些规律用到对未来不确定场景的决策

学习模式？

　　离线学习

　　在线学习

机器学习的典型应用？

　　关联规则：“啤酒+尿布”

　　聚类：全球通（针对经常全球出行的人）、动感地带（针对在校学生用流量比较多）、神州行（针对工人、白领经常打长途电话）

　　朴素贝叶斯：垃圾邮件

　　决策树：信用卡欺诈

　　ctr预估：互联网广告

　　协同过滤：推荐系统

　　自然语音处理：情感分析与实体识别

　　深度学习：图像识别

更多应用：

　　语音识别

　　个性化医疗

　　情感分析

　　人脸识别

　　自动驾驶

　　智慧机器人

　　私人虚拟助理

　　手势控制

　　视频内容自动识别

　　机器实时翻译

数据特点

　　交易数据（使用关系型数据）VS行为数据（NOSQL数据的发展）

　　少量数据VS海量数据

　　采量分析VS全量分析

数据分析（报告过去的事情）、分析方法（用户驱动、交互式分析）、参与者（数据分析师：数据+算法）

机器学习（预测未来的事情）、分析方法（数据驱动、自动进行知识发现）、参与者（算法）

算法分类（1）：

　　有监督学习：分类算法、回归算法

　　无监督学习：聚类

　　半监督学习：小孩走路

算法分类（2）：

　　分类与回归

　　聚类

　　标注

算法分类（3）：

　　生成模型

　　判别模式

机器学习入门