????????機器學習主要解決兩類問題，一個是分類問題，另一個是回歸問題。分類問題有貓狗識別，手寫數字識別，判斷是否是垃圾郵件。回歸問題的結果是一個連續數字的值，而非一個類別。比如：預測房屋價格，市場分析。

? ? ? ? 機器學習分為監督學習，非監督學習，半監督學習，增強學習。或者分為批量學習，在線學習，參數學習，非參數學習。

? ? ? ? 監督學習：給機器訓練的數據擁有標簽或者答案。主要處理分類、回歸問題。非監督學習：給機器訓練的數據沒有標簽或答案。機器使用非監督學習對沒有標記的數據進行分類、聚類分析，一是進行異常檢測，二是對數據進行降維（特征提取，特征壓縮）方便可視化。半監督學習：一部分數據有標記或者答案，另一部分數據沒有。要處理這些數據，先使用無監督學習對數據作處理，然后使用監督學習做模型的訓練。增強學習是根據周圍情況，采取行動，然后根據行動的結果改進、學習行動的方式。比如：alphago，無人駕駛。

? ? ? ? 批量學習：選擇數據集中的一部分數據進行訓練。它的優點是簡單，它的問題是如何適應環境的變化，解決方案是定時重新批量學習。在環境變化特別快的條件下可能無法進行批量訓練。在線學習可以根據正確結果及時調整模型，但是需要對數據進行監控（異常檢測）以免數據帶來不好的變化。參數學習是給機器輸入大量的數據進行學習，一旦學到了參數，就不再需要原有的數據集。非參數模型不等于沒有參數，需要原來的數據集，不對模型進行過多假設。

? ? ? ? 如何選擇機器學習算法？奧卡姆剃刀原則，簡單就是好。脫離具體問題談哪個算法好是沒有意義的。在面對一個具體問題時，嘗試使用多種算法進行試驗對比是必要的。