总结

线性回归，用线去拟合数据，预测连续值
逻辑回归（对数几率回归，简称对率回归），用来解决分类问题
正则化，解决过拟合问题
神经网络
模型评估，偏差，方差
类偏斜误差度量，查准率和查全率
支持向量机，最大边界分类，核函数
聚类，无监督学习，k-均值算法，需要选择聚类数，选择最靠近自己的数据，然后计算均值，选择最靠近自己的数据，然后计算均值，如此循环
降维，主成分分析（PCA），把所有的数据投射到该向量上获得的均方误差尽可能小
异常检测，利用高斯分布（正态分布），如果数据未落在某个规定的阈值之内，便认为该数据异常
推荐系统，大型数据集的学习，随机梯度下降，小批量梯度下降，在线学习，map reduce 和 数据并行（分布式计算，开源平台hadoop）
应用实例：图片文字识别，上限分析（确定哪部分是对于算法来说提高最大，进而花最大时间在那上面）