什么是机器学习？
利用计算机从历史数据中找出规律，并把这些规律用到对未来不确定场景的决策
学习模式？
离线学习
在线学习
机器学习的典型应用？
关联规则：“啤酒+尿布”
聚类：全球通（针对经常全球出行的人）、动感地带（针对在校学生用流量比较多）、神州行（针对工人、白领经常打长途电话）
朴素贝叶斯：垃圾邮件
决策树：信用卡欺诈
ctr预估：互联网广告
协同过滤：推荐系统
自然语音处理：情感分析与实体识别
深度学习：图像识别
更多应用：
语音识别
个性化医疗
情感分析
人脸识别
自动驾驶
智慧机器人
私人虚拟助理
手势控制
视频内容自动识别
机器实时翻译
数据特点
交易数据（使用关系型数据）VS行为数据（NOSQL数据的发展）
少量数据VS海量数据
采量分析VS全量分析
数据分析（报告过去的事情）、分析方法（用户驱动、交互式分析）、参与者（数据分析师：数据+算法）
机器学习（预测未来的事情）、分析方法（数据驱动、自动进行知识发现）、参与者（算法）
算法分类（1）：
有监督学习：分类算法、回归算法
无监督学习：聚类
半监督学习：小孩走路
算法分类（2）：
分类与回归
聚类
标注
算法分类（3）：
生成模型
判别模式
