机器学习框架
根据输入的样本是否被标记以及结果的确定性，分为监督学习、无监督学习。
监督学习着重于根据已有的的模型对未知样本的目标/标记进行预测，无监督学习更重于发现数据本身的分布特点。
监督学习根据预测变量的不同，又可以分为分类学习和回归预测；
分类学习有线性分类器、支持向量机、朴素贝叶斯、神经网络、K近邻、决策树（分类）、集成模型（分类）；回归预测有线性回归器、支持向量机（回归）、集成模型（回归）。
无监督学习根据应用，常见的有K-means算法（用于数据聚类）和PCA（用于特征降维）等；
插入一个小图表：
参考《Python机器学习及实践》清华大学出版社 正在学习ing
