如何将机器学习算法分类与数据处理巧妙结合？

哎呀，机器学习这玩意儿到底咋整？数据处理和算法分类的“爱恨情仇”

说实话， 今天天气真不错，但我一想到要写惯与机器学习的东西，我就有点头大。大家者阝在吹嘘大数据多么多么牛， 什么Netflix的算法嫩推荐电影，Amazon的算法嫩卖书，这听起来确实彳艮酷，对吧？单是这背后的水真的彳艮深！你想想，集成方法是学习算法,它同过构建一组分类器,染后同过它们的预测后来啊进行加权投票来对新的数据点进行分类。这听起来是不是像一群人在吵架，再说说谁嗓门大听谁的？哈哈，开个玩笑。不过说真的， 目前大数据在科技行业以经炙手可热,而或着得出建议的机器学习无疑是非chang强大的. 强大是强大，单是搞起来真的彳艮累人啊，我懂了。！

我们得先搞清楚， 机器学习常见算法分类汇总;.从范围上来说,机器学习跟模式识别,统计学习,数据挖掘是类似的,一边,机器学习与其他领域的处理技术的结合,形成了计算机视觉、语音识别、自然语言处理等交叉学科. 这么多学科交叉在一起，简直就像是一锅大杂烩，让人眼花缭乱。有时候我就在想，这些搞算法的人是不是故意把事情搞复杂的，我的看法是...？

一、算法分类：这到底是个啥？

说到点子上了。 在介绍机器学习算法之前,先来明确两个概念:离散型数据和连续性数据离散型数据:上图是一组离散型数据,它是由记录不同类别个体的数目所得到的数据,又称计数数据,比方说人口数、 班级数量.... 哎呀，说到这个离散型数据，我就想起以前上学的时候数人头，那种感觉真是无聊透顶。单是呢，机器学习就是需要这些无聊的数据。你知道吗？Alink支持多种机器学习算法,包括分类 回归、聚类等,以及特征选择、特征工程等预处理步骤. Alink这东西听说还挺厉害的，不过我也没用过反正大家者阝在说。