1、机器学习算法
1、监督学习
- 在实际应用中最为常见的快速进度结果
2、非监督学习
2、监督学习（Supervised Learning）
2.1、回归算法
!note 监督学习
是指学习从 x -> y 或者从输入到输出映射的算法
监督学习的关键特征是你给学习算法提供学习的例子，这些例子中包含正确答案（指定输入 x 的正确标签 y ）。通过观察 x、y 的正确配对，学习算法学会仅通过输入而不需要输出标签来给出相当准确的而预测或猜测。
监督学习举例：给出一些例子，通过机器学习拟合一条直线或者曲线（复杂函数）来反映问题。
2.2、分类算法
回归是线性的，分类是离散的
与回归不同的是发呢类算法中，预测的结果分类很少，而回归算法的预测结果是无数的。
分类算法举例 肿瘤预测：
值得注意的是，在分类算法中 classes 和 categories 这两个属于经常交换使用。
分类算法预测类别，这个类别可以不是数字，比如是或不是。分类和回归预测的结果区别就是类别。
我们也可以使用多个输入值来预测输出
例如：肿瘤大小和年龄：
!note 总结
监督学习像是从正确答案的规律中找到预测规律
3、无监督学习（Unsupervised Learning）
3.1、聚类算法（Cluster）
算法要在没有监督的情况下自行计算出今天的新闻文章有哪些。于监督算法不同，监督算法有一个明确的 y，是 x->y 但是无监督学习没有一个明确的正确结果，需要根据给出的 x 来聚类。
举例一：谷歌新闻
总结
监督学习中，数据同时带有输入标签 x 和输出标签 y，而在无监督学习中数据只带有输入的 x 而没有输出的标签 y。并且算法要在数据中找出规律。除了聚类算法还有 异常检测、降维算法 。
测试：
答案：2、3