机器学习十大基本学习方法

机器学习是一个庞大的领域，很多有效的算法源于此，但不止用于此。最近，从小小的最小二乘法中见识到机器学习的力量，以及窥探到最辉煌核心地带散发出来的一点点亮斑，促使我萌生出很强烈的思维活动。又怕自己这种思维活动消逝，从而记叙下来备以后翻查。

取名字是最难的，常见到网上对机器学习基本算法用十这个字。我诚以为远不十个。机器学习中，能各列门户的思想太多太多了。但十的确是一个很美好的词，本系列文章就以这个十字开头吧。用来表示机器学习的核心思想，它就像一个十字路口，对所有的方向都充满了可能性。然而，我在这儿并不想重复简单的工作，只是介绍算法，我觉得机器学习重要的还是方法。我通过上网查阅以及阅读过的书籍大致形成了十种基本的机器学习方法，并且每个方法都由一个简单的算法作为引子，循序渐进，我意欲尽最大的能力深入每类方法的核心地带，并将光辉收集齐。 ——写给自己

1.线性模型

2.神经网络

3.K-Means算法

4.支持向量机(SVM)

5.决策树

6.最大期望（EM）算法

7.Boosting

8.主成分分析（PCA）

9.独立成分分析（ICA）

10.蒙特卡罗法

note: 方法的目录可能会随着计划的进行会有所变更。