Machine Learning: Step-by-Step Guide To Implement Machine Learning Algorithms with Python

The most important supervised algorithms
-
K-nears neighbors
-
Linear regression
-
Neural networks
-
Support vector machines
-
Logistic regression
-
Decision trees and random forests
Unsupervised Learning
In this type of machine-learning system, you can guess that the data is unlabeled.
 
The most important unsupervised algorithms
-
Clustering
: k-means, hierarchical cluster analysis
-
Association rule learning
: Eclat, apriori
-
Visualization and dimensionality reduction
: kernel PCA, t-distributed,
PCA
As an example, suppose you've got many data on visitor Using of one of our

---

algorithms for detecting groups with similar visitors. It may find that 65% of
your visitors are males who love watching movies in the evening, while 30% 
watch plays in the evening; in this case, by using a clustering algorithm, it will
divide every group into smaller sub-groups.
There are some very important algorithms, like visualization algorithms; these
are unsupervised learning algorithms. You'll need to give them many data and
unlabeled data as an input, and then you'll get 2D or 3D visualization as an
output.
The goal here is to make the output as simple as possible without losing any of
the information. To handle this problem. it will combine several related features
into one feature: for example, it will cmbn a car’s make with its model. This is
called feature extraction.

---

Reinforcement Learning
Reinforcement learning is another type of machine-learning system. An agent
“AI system” will observe the environment, perform given actions, and then
receive t rewards in return. With this type, the agent must learn by itself. Ties
called a policy.
You can find this type of learning type in many robotics applications that learn
how to walk

---

Batch Learning
In this kind of machine-learning systems, the system can’t learn incrementally:
the system must obtain all the needed data . That means it will require many
resources and a huge amount of time, so it’s always done offline. So, to work
with this type of learning, the first thing to do is to train the system, and then
launch it without any learning.

---