最近由於工作需要，需要學習一下機器學習，之前雖然也學習過相關課程，但是現在忘得也差不多了。所以，找了一個做機器學習的同學問了一下相關概念，結合實際應用，對機器學習裏面的相關內容先混個簡單瞭解。後面會詳細學習每一個算法，希望有更深的瞭解。
（1）Spark和Hadoop
現在企業中兩種分佈式系統都在使用。Spark現在比較火，主要是因爲在Spark上面做機器學習比Hadoop更加快速高效，這是由Spark的特性所決定的。但是具體採用Spark還是hadoop，需要結合實際的應用來選擇。Spark和Hadoop可以跑在同樣的集羣上面，Spark也可以調用Hadoop的一些接口函數。
（2）對幾種算法的理解
樸素貝葉斯：有監督分類算法。在Spark中，輸入訓練數據，算法跑完之後返回的是四個函數，對於新來的數據，便可以通過這四個函數計算出分類結果。
決策樹：有監督分類算法。算法輸出結果是一組點對，這組點對對應到決策樹的每一個節點及其數值。根據這組點對就可以判斷新來數據的所屬分類了。
Logistic迴歸（LR）：現在在廣告推薦方面應用的比較多。線性分類算法。函數返回結果爲函數中的參數，對於新輸入的數據，計算出結果數值，判斷其分類情況。【廣告推薦，基於現有的數據：用戶輸入的關鍵詞和廣告信息，學習到迴歸函數，對於新的關鍵詞，將其和現有廣告信息代入計算，計算出排名最靠前的廣告】
SVM： 和LR都屬於線性迴歸算法，只是思想不一樣。
KNN: 有監督分類。但是KNN應用非常少，因爲其K值不好選擇，而且計算量比較大。
Adaboost: 是一種boosting算法，主要是通過多個分類器達到好的分類結果。
K-means：聚類算法，無監督聚類，應用比較少。
SVD + pLSA + LDA: 應用的比較火，主要用於計算相似度，推薦這一塊。實際效果LDA > pLSA > SVD。【比如給出一篇文章，可以計算出文章的隱形語義（隱形語義可能是一組數字，人爲是看不懂的），對於新給出的文章，同樣可以計算出其隱形語義，然後計算不同文章之間的相似度】
GBDT: 阿里內部使用的比較多一些。它是一種迭代的決策樹算法，該算法由多棵決策樹組成，所有樹的輸出結果累加起來就是最終答案。
Apriori + FP Growth: 頻繁項挖掘算法。用在推薦處。
以後每天詳細學習一種算法，結合實際應用做出相關的說明。如有錯誤，及時更正。