掌握机器学习的基础知识：十大常用算法

【本文旨在帮助读者建立对机器学习ML常用算法的基础性理解，内容不涉及编程实现，也不包含复杂的数学推导过程，主要通过图解形式直观展示各类算法的基本概念及其应用场景，重点围绕分类问题展开说明。

所涵盖的算法包括：

1. 决策树
2. 随机森林方法
3. 逻辑回归模型
4. 支持向量机
5. 贝叶斯分类器
6. K近邻算法
7. K均值聚类方法
8. Adaboost集成学习算法
9. 神经网络结构
10. 马尔可夫模型

1. 决策树

依据特定特征对数据进行分类处理。每个节点针对某一特征进行判断，从而将数据划分为两个子集；随后，对这两个子集继续依据相应特征进行判断。这些特征的排列顺序及层次结构是通过已有数据的学习过程自动确定的，最终构建出一棵决策树。当引入新的数据时，可根据该树结构中的判断规则，逐层进行分析，最终将数据归类至对应的叶节点位置。

2. 随机森林

[视频](https://link.jianshu.com?