香港服务器Linux系统机器学习研究第二章

　　经过上一篇文章《香港服务器Linux系统机器学习研究(1)》，相信大家已经多多少少了解了机器学习，本篇文章小编将给大家讲解一下机器学习的主要任务、机器学习算法，使大家更好的在香港服务器上进行机器学习的研究。文章是以连载的形式陆续发出，请机器学习学习者和香港服务器的使用者关注。

　　首先给大家讲解一下机器学习的主要任务。

　　(1)解决分类问题：主要任务是将一些实例数据进行有效合适的划分，使得数据得到不同的分类(举例：上一篇文章所讲的如何识别垃圾邮件这就是一种分类)。这就需要使用合适的机器学习算法做算法训练(即学习如何分类)。下面给大家说一个机器学习术语：训练集：用于训练机器学习算法的数据样本集合。如何做算法训练(如何香港服务器学习如何分类)这就要为算法输入大量的已经分好类的数据作为算法训练集(这样算法就会学习已经分好的类是如何分类的)。我给大家举个例子：现在有两个篮子，6个鸡蛋，A篮子放4个鸡蛋，B篮子放2个鸡蛋，把这种分类概念让算法进行学习，那么我们的香港服务器就可以自己进行这样的分类了(注：目前电脑只能模仿某种分类，机械性的学习(机器学习);要想让电脑能够自己创造分类方法，那就是人工智能了，这就需要机器不断进行学习，从而产生智能进行创新性学习)。

　　(2)解决回归问题：主要用于预测数值型数据。给大家举个例子：数据拟合曲线：通过给定数据点的最优拟合曲线。

　　(3)分类和回归都属于监督学习。什么是监督学习：我们在监督学习的过程中，只需要给定输入样本集，机器就可以从中推演出指定目标变量的可能结果，监督学习相对比较简单，机器只需从输入数据中预测合适的模型从中计算出目标变量的结果。监督学习分为：标称型(有限目标即中取值)和数值型(无限数值集合中取值)。分类和回归之所以称之为监督学习，是因为这类算法必须知道预测什么，即目标变量的分类信息。

　　(4)与监督学习相对应得就是无监督学习。无监督学习没有类别信息和给定目标值，这就需要我们进行聚类和数据密度估计，无监督学习可以有效的减少数据特征的维度，通过二维码或三维码更直观的表达数据。

　　其次小编给大家说一些机器学习的算法。

　　(1)监督学习机器学习算法：K-邻近算法、朴素贝叶斯算法、决策树、支持向量机、线性回归、局部加权线性回归、Ridge回归、Lasso最小回归系数估计。

　　(2)无监督学习机器学习算法：K-均值、最大期望值算法、DBSCAN、Parzen算法。

　　这里先给大家简单列举一下，后期将以连载的形式，向大家详细讲解每个算法的具体实现。

　　本次讲解就到这里，相信小编已经给大家做了一些正确合理的解释，大家现在应该理解机器学习，后期文章将继续以连载的形式为大家提供，希望大家留意。

　　希望大家踊跃的购买我们公司的香港服务器，更好的实现机器学习的研究和实战。

　　如果还有什么不明确或者不懂的地方，欢迎来到新世界主机咨询了解，详情请咨询Skpey咨询：vpssj.net@hotmail.com， 。我们必将竭诚为您服务。