算法主要有四类：分类，回归，聚类，降维。其中：
常用的回归：线性、决策树、SVM、KNN ；集成回归：随机森林、Adaboost、GradientBoosting、Bagging、ExtraTrees
常用的分类：线性、决策树、SVM、KNN，朴素贝叶斯；集成分类：随机森林、Adaboost、GradientBoosting、Bagging、ExtraTrees
常用聚类：k均值（K-means）、层次聚类（Hierarchical clustering）、DBSCAN
常用降维：LinearDiscriminantAnalysis、PCA
机器学习就是利用大量的数据样本，使得计算机通过不断的学习获得一个模型，用来对新的未知数据做预测。
- 有监督学习（分类、回归）
同时将数据样本和标签输入给模型，模型学习到数据和标签的映射关系，从而对新数据进行预测。
- 无监督学习（聚类）
只有数据，没有标签，模型通过总结规律，从数据中挖掘出信息。
