机器学习核心技术有哪些？

机器学习核心技术是从数据中提取规律用于预测与判断的一组方法，构成上包括分类、聚类、异常检测与回归，分别用于按标记归类新样本、按相似性聚合数据、识别偏离分布的离群点、拟合属性并预测新样本输出值，解决的是人工规则难覆盖的识别与预测问题，并不解决数据质量不足与分布失衡带来的偏差。

聚类：从海量数据中识别数据的相似性与差异性，并按照最大共同点聚合为多个类别。

异常检测：对数据点的分布规律进行分析，识别与正常数据及差异较大的离群点。

回归：根据对已知属性值数据的训练，为模型寻找最佳拟合参数，基于模型预测新样本的输出值。

明：本文来自网络，版权归作者所有。文章内容仅代表作者独立观点，不代表数字化转型网立场，转载目的在于传递更多信息。如有侵权，请联系我们。