机器学习基础理论（一）

什么是机器学习：
1、利用计算机从历史数据中找出规律，并把这些规律用到对未来不确定场景的决策。
2、对不确定场景的决策的两种方法：
（1）机器学习
（2）数据分析：依赖于数据分析师，即人
从数据中寻找规律：
1、全部数据
2、量化、用模型刻画（拟合）规律

机器学习发展的原动力：
1、从历史数据中找出规律，把这些规律用到对未来自动做出决定。
2、用数据替代expert
3、经济驱动，数据变现

业务系统发展的历史：
1、基于专家经验
2、基于统计——分纬度统计
3、机器学习——在线学习
OLAP（联机分析处理）：数据仓库最主要的；
典型应用自然语言处理和图像识别：
1、自然语言处理：情感分析+实体识别

* 情感分析（SA）：又称为倾向性分析和意见挖掘，对带有感情色彩的主观性文本进行分析、处理、归纳和推理的过程，其中情感分析还可以分为情感极性（倾向）分析，情感程度分析，主客观分析等。
* 实体识别（NER）：指识别文本中具有特定意义的实体，包括人名、地名、机构名、专有名词等。

2、图像识别——深度学习

ctr预估和协同过滤
1、互联网广告——ctr预估

* ctr：Click-through-rate，点击通过率，是衡量互联网广告效果的一项重要指标。

2、推荐系统——协同过滤

* 协同过滤：用于分辨某位特定顾客可能感兴趣的东西，这些结论来源于其他相似顾客对那些产品感兴趣的分析。

朴素贝叶斯和决策树
1、垃圾邮件
2、信用卡欺诈
关联规则：
1、购物篮分析：啤酒+尿片

聚类：
1、用户经分细准营销