機器學習算法可以分為三個大類：監督學習、無監督學習、強化學習。監督學習對于有屬性（標記）的特定數據集（訓練集）是非常有效的。無監督學習對于在給定未標記的數據集（目標沒有提前指定）上發現潛在關系是非常有用的。強化學習介于這兩者之間——它針對每次預測步驟（或行動）會有某種形式的反饋，但是沒有明確的標記或者錯誤信息。本文主要介紹有關監督學習和無監督學習的10種算法。

　　機器學習作為人工智能的一個子領域，在過去幾年里無疑越來越受歡迎。大數據目前在科技行業是最熱門的潮流，而機器學習在基于大量數據之上做出預測或建議的能力十分驚人。機器學習最常見的例子有Netflix的算法，它能基于你過去看過的電影為你推薦電影，還有亞馬遜的算法，它能根據你已經購買的書籍向你推薦書。

　　那么，如果你想更多地了解機器學習，你要怎么開始？就我自己來說，我初學機器學習是在哥本哈根留學時選了一門人工智能課程。那門課的老師是丹麥技術大學的一位應用數學和計算機科學全職教授，他的研究領域是邏輯學和人工智能，主要側重于使用邏輯為計算機類人行為（計劃、推理、解決問題等）進行建模。課堂既會討論理論和核心概念，也要自己動手解決問題。我們使用的教材是AI經典書目之一：Peter Norvig的《Artificial Intelligence — A Modern Approach（人工智能——一種現代方法）》。我們學習了這本書的幾個主要主題，包括智能代理（agent）、通過搜索解決問題、社會化AI、AI的哲學/社會學/未來。在課程的結尾，我所在的小組使用簡單的基于搜索的代理來解決虛擬環境中的交通問題。

　　我通過這門課程學到了很多知識，決定繼續學習這個特殊的課題。在過去幾周，我在舊金山參加了很多關于機器學習、神經網絡、數據架構的科技講座，特別是一個有很多業內知名學者參加的機器學習會議。最重要的是，我6月初的時候在Udacity選修了一門“機器學習入門”的在線課程，最近剛學習完該課程。我想在這篇文章中將我在課堂上學到的最常用的機器學習算法分享給大家。