本文内容根据黑马程序员3天快速入门python机器学习所写，详情点击链接，可观看相关视频

往期链接

python机器学习（一）——机器学习的含义以及数据集的构成

1.机器学习算法分类

监督学习：

      目标值：类别（例如是猫/狗）——分类问题

      目标值：连续类型的数据（例如房屋的价格）——回归问题

无监督学习：

      目标值：无——无监督学习

即监督学习是有目标值的（输入数据有特征有标签，即有标准答案），无监督学习是无目标值的（输入数据有特征无标签，即无标准答案）

小练习

输出他们具体问题类别：

1.预测明天的气温是多少度？

2.预测明天是阴、晴、还是雨？

3.人脸年龄预测？

4.人脸识别？

答案：1.回归 2.分类 3.回归/分类 4.分类

1.1 监督学习（预测）

• 定义：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
• 回归：线性回归、岭回归

1.2 无监督学习

• 定义：输入数据是由输入特征值所组成
• 聚类：k-means