机器学习是Machine Learning(ML)的中文翻译，是指让计算机具备像人一样的学习能力，从海量的数据中获取新的知识或者技能。
它是计算机科学、数学和工程技术等多个领域的交叉学科。
近年来，机器学习已经应用到日常生活的方方面面，大致分为四个方向。
- 推荐系统：例如个人性化新闻推荐、商品推荐、个性化广告等。
- 自然语言处理（NLP）：例如文本分类、语音识别、聊天机器人等。
- 计算机图像识别（CV）：例如人脸识别、车辆识别、物体检测等。
- 数据挖掘（DM）：例如金融机构预测是否逾期、超市购物篮分析及客户分群管理等。
机器学习问题分为两类：监督学习和无监督学习。
监督学习包括分类和回归，常见的决策树、逻辑回归、支持向量机等主要用解决分类问题，回归就是常见的线性回归。
无监督学习包括聚类分析和关联分析，聚类分析包括层次聚类法、K均值聚类法和DBSCAN（一种基于密度的分类方法），关联分析主要用于商品购物篮分析。
监督学习
监督学习（supervised learning）主要用于解决分类问题，例如金融机构预测一个用户是/否会逾期。
对于监督学习算法来说，给定的样本数据必须包括两部分：特征（X）和类别（y）。算法可以样本的特征去预测类别（标签）。
例如，给定一封邮件，判断是/否为垃圾邮件，已知的样本数据需要包括电子邮件的特征和类别（标签）。
例如，基于医学影像判断肿瘤是/否为良性，已知的样本数据需要包括影像的特征和类别。
例如，检测信用卡交易是/否存在欺诈行为，已知的样本数据需要包括信用卡交易记录的特征和类别。
监督学习中还有一类问题，线性回归（Linear Regression），主要用于预测一个连续数值，给定的样本数据包括自变量（X：x1,x2,x3,…）和因变量（y），只不过都是数值型。
例如，根据教育水平x1、年龄x2和居住地x3等，预测一个人的年收入y。
无监督学习
无监督学习（unsupervised learning）主要用于聚类、降维等，例如常见的K均值聚类分析、主成分分析（PCA）等。
对于无监督学习算法来说，给定的样本数据只有样本的特征（X），而没有类别（标签）。
例如，用户分群管理，已知的样本数据只有用户的特征，如消费金额、消费频次等，需要根据用户的特征将用户分为不同的类别（类别数未知）。
机器学习的一般步骤
对于一个机器学习问题来说，一般分为三步：
- 分析问题，数据探索及预处理
- 选择合适的模型，利用训练集训练模型
- 模型评估及使用，利用测试集评估模型
好了，我们已经了解了机器学习，下一节将会学习一个经典的机器学习案例。
