机器学习——常见的算法和分类
第一种分类；按照标签分类
有监督学习：明确的给出每一个样本属于哪一个类别或者相关标签；常见的算法：分类回归算法
无监督学习：没有标签，不知道分为多少类，也不关心类是什么；常见的是聚类算法，k-means（一个聚类算法通常只需要知道如何计算相似度就可以开始工作了）
半监督学习：基本思想是利用数据分布上的模型假设建立学习器对未标签样例进行标签；强化学习
第二种分类：根据解决问题分类
分类和回归
聚类
标注
第三种分类：根据算法本质分类
生成模型（模糊判断 百分比 概率） 如：贝叶斯
判别模型 （判断属于哪个类型） 如：分类回归
————————————————————————
机器学习常见算法：
分类 c4.5 1993
聚类 K-means 1967
统计学习 svm 1995
关联统计 Apriori （FP-Growth） 1994
统计学习 EM 2000
链接挖掘 PageRank 1998
集装与推进 AdaBoost 1997
分类 KNN 1996
分类 Naive Bayes 2001（http://www.cnblogs.com/leoo2sk/archive/2010/09/17/naive-bayesian-classifier.html）
分类 CART 1984