在开篇之前，我想和大家谈谈机器学习和数据挖掘的关系。
数据挖掘只是机器学习涉及的领域之一，机器学习包括模式识别、计算机视觉、语音识别、统计学习和自然语言处理。
机器学习，即ML，是一门涉及概率论、统计学、逼近论、凸分析、算法复杂性理论等诸多学科的交叉学科。本文研究的是专门的计算机如何模拟或实现人类的学习行为，从而获得新的知识或技能，并重组已有的知识结构，以不断提高自身的性能。
机器学习作为人工智能研究中一个相对年轻的分支，可以分为有监督学习和无监督学习。同时，随着人工智能越来越被重视，越来越热，深度学习也是机器学习的一个新领域。
机器学习，从知识列表开始
当我们第一天学开车时，我们赢了直接上路，但是我们想让你先学习基础知识，然后模拟上车。
只有拥有了全面的知识，才能保证在以后的工作中即使遇到问题，也能快速定位问题，然后想办法处理和解决问题。
所以我做了一个关于机器学习入门的知识清单，即机器学习的一般流程、十大算法和算法学习的三重境界，以此开始我们的学习之旅。
一、机器学习的基本过程
引用大佬们的解释：
如果一个计算机程序在某项任务T和某项性能指标P上的性能(由P来衡量)随着经验E的增加而提高，那么就说它从经验E中学习了
简单来说，机器学习就是利用我们针对真实问题输入的数据来训练算法。训练结束后，算法会生成一个模型，这个模型是通过数据捕捉的规律对当前问题的描述。然后我们会进一步把模型导入到数据中，或者引入新的数据集进行评估，然后根据结果的质量来调整算法，形成一个反馈和优化的闭环。整个过程机器都在不断学习、训练、优化迭代，这也是机器学习强大的地方。
二、机器学习的十大算法
为了执行机器学习和数据挖掘任务，数据科学家提出了各种模型。在众多的数据挖掘模型中，国际权威学术组织ICDM(IEEE国际数据挖掘会议)评选出了十大经典算法。
根据不同的目的，我可以把这些算法分为四类，让你更好的理解。
分类算法：C4.5，朴素贝叶斯，SVM，KNN，Adaboost，CART
聚类算法：K均值，EM
联想：先验
分析：PageRank
1.C4.5
C4.5算法是票数最高的算法，可以说是十大算法之首。C4.5是决策树的算法，创造性地在构造过程中对树进行修剪，既可以处理连续属性，也可以处理不完整数据。可以说是决策树分类中具有里程碑意义的算法。
2.朴素贝叶斯
朴素模型是基于概率论的原理，其思想是：对给定的未知物体进行分类，需要求解未知物体出现的条件下每个类别的概率，哪个最大，就认为未知物体属于哪个类别。
3.SVM
SVM中文叫支持向量机，英文叫支持向量机，简称SVM。在SVM训练中建立超平面分类模型。
4.KNN
KNN也叫K近邻算法，英文名是K-Nearest neighborhood。所谓K近邻，就是每个样本都可以用它最近的K个邻居来表示。如果一个样本，它的k个最近邻都属于A类，那么这个样本也属于A类
5.adaboost算法
Adaboost在训练中建立了联合分类模型。Boost在英语中是提升的意思，所以Adaboost是一种提升算法，用来构建分类器。可以让我们的弱分类器形成强分类器，所以Adaboost也是一种常用的分类算法。
6.手推车
CART代表分类和回归树，英文名是classification and regression trees。和英语一样，它构建了两棵树：一棵是分类树，一棵是回归树。和C4.5一样，是决策树学习方法。
7.推测的
Apriori是一种挖掘关联规则的算法，通过挖掘频繁项目集来揭示项目之间的关系，广泛应用于商业挖掘和网络安全领域。频繁项目集是指经常一起出现的项目的集合，关联规则暗示这两个项目之间可能存在很强的关系。
8.k均值
k均值算法是一种聚类算法。你可以这样理解。最后，我想把对象分成K类。假设在每个类别中，都有一个中心点，即意见领袖，这是这一类的核心。现在我有了一个新的分类点。这个时候我只需要计算这个新点和K个中心点的距离，它靠近哪个中心点就会变成哪个类别。
9.东地中海(Eastern Mediterranean)
EM算法，也叫最大期望算法，是一种参数的极大似然估计方法。原理如下：假设我们要估计参数A和参数B，这两个参数一开始都是未知的，知道了A的信息就可以得到B的信息，然后知道了B的信息就可以得到B的信息，你可以考虑给A一个初值得到B的估计，然后从B的估计重新估计A的值，这个过程一直持续到收敛。
EM算法常用于聚类和机器学习。
10.PageRank
PageRank起源于一篇论文影响力的计算方式。一个文学理论被介绍的次数越多，说明这篇论文的影响力越强。同样，PageRank也被Google创造性地应用到网页权重的计算中：当一个页面链接出更多的页面，就意味着有更多参考文献当这个页面被更频繁地链接时，就意味着这个页面被引用的频率更高。基于这个原理，我们可以得到网站的权重划分。
算法可以说是机器学习的灵魂，也是最本质的部分。这10个经典算法在整个机器学习领域的票数最高，后面的其他一些算法基本都是在这个基础上改进和创新的。今天，你初步了解了十大算法。你只需要意识到它们。
三、机器学习的三个领域
1.掌握算法的入口和出口
第一种境界是把算法本身做成黑盒，在不知道算法具体原理的情况下，掌握算法的基本应用场景(有监督和无监督)，通过换包来实现算法。
2.了解原理，灵活调音。
第二个层次是能够深入理解和掌握算法的原理，并在此基础上了解算法实践过程中的关键技术和核心参数。最好是用编程语言手动实现算法，能够解释算法的执行结果，在理解原理的基础上通过调整参数来优化算法。
3.整合和设计算法。
最后一个境界其实是算法的主要任务(R & ampd)工程师，即要能够结合业务场景和自身的数学基础进行有针对性的算法研发。这部分工作不仅需要扎实的算法基本原理知识，还需要扎实的编程能力。
摘要
今天我把学习机器学习需要掌握的知识列了一个清单。只有对机器学习的过程、算法、原理有了更深入的了解，才能在实际工作中更好的运用。祝你在机器学习的道路上越走越远。
编辑：李倩
标签：算法机器原理