---
title: 概述
description: "机器学习算法根据实际使用场景一般分为分类回归、聚类算法、特征工程算法、推荐和模式挖掘四大类。"
url: https://www.hikunpeng.com/document/detail/zh/kunpengbds/appAccelFeatures/algorithmaccelf_ml/kunpengbdssparkml_16_0044.html
sourcePath: /source/zh/kunpengbds/appAccelFeatures/algorithmaccelf_ml/kunpengbdssparkml_16_0044.html
indexId: 7c6a1d69eb5632c73bd56a8fa0f655e9b8eae3759bdc5cbe2bf8884e44afe82388
---
# 概述

机器学习算法根据实际使用场景一般分为分类回归、聚类算法、特征工程算法、推荐和模式挖掘四大类。

- 分类回归分析是一种预测性的建模技术，其目的是探索标签和特征之间的联系。
- 聚类的用途是很广泛的，在商业上，聚类可以帮助市场分析人员从消费者数据库中区分出不同的消费群体来，并且概括出每一类消费者的消费模式或者说习惯。
- 特征工程指的是把原始数据转变为模型的训练数据的过程，它的目的就是获取更好的训练数据特征，使得机器学习模型逼近这个上限；随着信息资源规模的迅猛增长和互联网行业的飞速发展，用户在大量繁杂的信息中获得目标内容愈发困难，因此急需商家进行筛选过滤，留下有价值的信息。
- 推荐和模式挖掘法可以通过协同过滤对用户历史购买记录和当前商品进行比较，补全客户历史喜好。