数据挖掘和机器学习

之前在大数据架构之上 中提到上层应用 其中就有数据挖掘和机器学习，机器学习（Machine Learning ML）是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习是数据挖掘的一种重要工具。

机器学习算法分为如下几类：监督学习、无监督学习、集成学习、增强学习、深度学习

监督学习：决策树、朴素贝叶斯、线性回归、分类回归树、支持向量机（SVM）、K最近邻算法

无监督学习：Apriori 算法、K 均值算法、PCA 算法

集成学习：随机森林 Bagging 算法、Adaboost 提升法

增强学习：Q-Learning以及时间差学习（Temporal difference learning）

深度学习：卷积网络



算法学习参考：

李航 《统计学习方法》

吴恩达 机器学习课程

周志华老师的《机器学习》（西瓜书）

南瓜书