什麼是機器學習？
機器學習是計算機利用已有的資料(經驗)得出了某種模型，并利用這些模型預測未來的一種方法。這個過程其實與人的學習過程極為相似，隻不過機器是一個可以進行大次元資料分析而且可以不知疲倦地學習的“怪獸”而已。
具體的機器學習過程如下：
由于每個模型有其特殊的需求，本文主要根據資料的類型、資料量以及應用業務場景的不 同将其分為分類、回歸、聚類、 降維、深度學習五大類，如下圖所示。 通過該圖結合生産 的資料類型、資料量以及資料實作的目标進而有效的選擇需要的資料模型。
如何用線性回歸模型做資料分析？
無監督機器學習中，最常見4類聚類算法總結 ：K-means聚類 Dbscan聚類
機器學習算法應用場景執行個體六十則：本文整理了60個機器學習算法應用場景執行個體，含分類算法應用場景20個、回歸算法應用場景20個、聚類算法應用場景10個以及關聯規則應用場景10個。包含了天池、DataCastle、DataFountain中所有競賽場景。