经典算法机器学习十大经典算法1.C4.52.分类与回归树3.朴素贝叶斯4.支持向量机（SVM)5.K近邻（KNN）6.AdaBoost7.K均值（K-means）8.最大期望（EM）9.Apriori算法10.Pagerank机器学习方法的分类基于学习方式的分类（1）有监督学习：输入数据中有导师信号，以概率函数、代数函数或人工神经网络为基函数模型，采用迭代计算方法，学习结果为函数。（2）无监督学习：输入数据中无导师信号，采用聚类方法，学习结果为类别。典型的无导师学习有发现学习、聚类、竞争学习等。（3）强化学习（增强学习）：以环境反馈（奖/惩信号）作为输入，以统计和动态规划技术为指导的一种学习方法。有监督学习（用于分类） 标定的训练数据 训练过程：根据目标输出与实际输出的误差信号来调节参数 典型方法 全局：BN, NN,SVM, Decision Tree 局部：KNN、CBR(Case-base reasoning)S(x)=0 Class AS(x)0 Class BS(x)=0ObjectsX2(area)(perimeter) X1Object Feature Represent
