机器学习入门必读：6种简单实用算法及学习曲线、思维导图( 二 )_大部分的机器学习算法主要用来解决两类

大部分的机器学习算法主要用来解决两类问题——分类问题和回归问题。在本文当中，我们介绍一些简单但经典实用的传统机器学习算法，让大家对机器学习算法有一个基本的感性认识。

有的人说机器学习入门并不难，有的人会觉得机器学习难以理解。那么该如何去学习机器学习这种技术与方法呢？在本文当中，我们将介绍掌握机器领域知识的学习曲线、技术栈以及常用框架。

01 机器学习算法

1. 分类算法

这是一种监督学习方法。有很多算法帮助我们解决分类问题，比如K近邻、决策树、朴素贝叶斯、贝叶斯网络、逻辑回归、SVM等算法。人工神经网络和深度学习也往往用来解决分类问题。这些都是常见和常用的分类算法，只不过不同的算法都有其优劣，会应用在不同的场景下。

我们举一个例子。假设我们知道某个鸟的各个特征，现在要根据这些特征确定这只鸟属于哪种鸟类，这就是所谓的分类问题。

首先，我们要收集能收集到的所有的鸟类信息，包括鸟的各种特征以及鸟的种类，其中颜色、体重、翅膀等属性都属于特征，而种类则是鸟的标签。