专注大数据 Spark ML 机器学习：监督学习、无监督学习

# spark_mllib_demo_pro **专注大数据 SparkML机器学习**技术 专注大数据 Spark ML 机器学习：监督学习、无监督学习，主要有：分类算法、回归算法、聚类算法、推荐算法、频繁模式挖掘算法 ## 一、监督学习 利用一组已知类别的样本调整分类器的参数，使其达到所要求性能的过程，也称为监督训练或有教师学习。比如，样本数据中事先标明一些数据是对的，另一些数据是错的，然后让程序预测，新的数据是对的还是错的。 ## 二、无监督学习 顾名思义，就是不对数据进行标明，让机器自动去判断，哪些数据比较像，归到一类等等。 ## 三、机器学习过程 1、加载数据 2、提取特征工程 3、将提取的特征工程数据交给算法得到模型 4、使用模型进行预测 ## 监督学习（分类算法） k-最近邻法（k-nearest neighbor, kNN） 决策树分类法 朴素贝叶斯分类算法（native Bayesian classifier） 支持向量机（SVM）的分类器 神经网络法 模糊分类法 ## 无监督学习（聚类算法） K均值（K-means clustering）聚类算法 K-MEDOIDS算法 CLARANS算法 BIRCH算法 CURE算法 CHAMELEON算法等 基于网格的方法