3.3　鸟瞰机器学习

在进入数据建模之前，我们有必要了解一下机器学习的历史。机器学习是数据分析过程中最重要的工具，通过机器学习模型的建立，我们得以将复杂的问题转化为数学模型，并从数据中挖掘有价值的信息。

1.机器学习简史

目前我们熟知的机器学习分为两种不同的视角，一种来自统计学家，另一种来自计算机科学家。统计学家的研究是基于对数据的理解，本质上是数学研究，通常问的问题是数据产生的机理，如何通过概率解释事件的发生和规律。二项分布（Binomial）、泊松分布（Poisson）、齐普夫分布（Zipf）等统计学家提出的数据模型通常过于简化，大多数时候难以描述真实世界的复杂问题。而科学家从反复编写的if...else...程序中发觉，单靠人力无法穷尽现实中需要解决的问题，如何让机器自己找出事物之间的规律并自主进行最优决策才是正解。研究计算机进行数据理解和模式寻找的方法就是常说的机器学习。通过更为灵活的模型和更少的人类决策，机器学习如今可以更为完美地融合理论与实践。

2.机器学习算法类别

机器学习算法主要分为四种类别，包括监督学习（Supervised Learning）、无监督学习（Unsu-pervised Learning）、半监督学习（Semi-supervised learning，SSL）和强化学习（Reinforcement Learning，RL），下面分别进行介绍。

（1）监督学习

在监督学习中，提供给算法的训练数据中包含感兴趣的目标，也就是标签。

常见算法有K近邻算法（K Nearest Neighbor，KNN）、线性回归（Linear Regression）、逻辑回归（Logistic Regression）、支持向量机（Support Vector Machine，SVM）、决策树和随机森林（Decision tree ＆ Random forest）、神经网络（Neural Network）。

（2）无监督学习

无监督学习的训练数据都是未经标记的，算法会在没有指导的情况下自动学习。简单地说，训练数据只有自变量没有因变量Y。

常见算法有K均值算法（K-Means）、基于密度的聚类方法（Density-Based Spatial Clusteringof Applications with Noise，DBSCAN）、最大期望算法（Expectation Maximization，EM）、可视化和降维（Visualization ＆ Dimension Reduction）、主成分分析（Principal Components Analysis，PCA）、核主成分分析（Kernel Principal Component Analysis，Kernel PCA）、关联规则学习（Association Rule Learning）、先验算法（Apriori Algorithm）、频繁模式树增长算法（Frequent Pattern Growth，FP-Growth）、频繁项集算法（Equivalence Class Transformation，Eclat）。

（3）半监督学习

半监督学习分为：

·纯半监督学习（Pure Semi-Supervised Learning）

·直推学习（Transductive Learning）

（4）强化学习

强化学习分为：

·免模型学习（Model-Free）

·基于模型学习（Model-Based）

不难发现，在数据分析中，机器学习是一盘很大的“棋”，我们需要将注意力放在数据挖掘和运营上，通过实战案例学习如何灵活使用各种机器学习模型，从而做到在面对具体问题时有思路、有方法、有技术。