我刚刚开始学习机器学习，目前正在修读Andrew Ng的Coursera课程 . 我正在修读课程，但有点迷失 . 如果我能看到它们的一些用例，那么研究所有这些算法/理论会有很大的收获 .
例如，我读到的第一个主题是梯度下降，然后是线性回归和逻辑回归 . 这些是直接在实践中使用还是使用其他算法，如k-means和内核密度？我想我正在努力获得这些主题的真实世界（软件工程，数据挖掘）示例 . 有人可以建议一篇文章可能对任何机器学习算法的使用有一些解释吗？这将非常有帮助 .
没有免费的午餐理论说 if algorithm A outperforms algorithm B for some problem, then loosely speaking there must exist exactly as many other problems where B outperforms . 因此，很难将算法与特定用例相关联 .如果您只查找可以使用机器学习算法的用例，请访问https://www.kaggle.com/wiki/DataScienceUseCases
Update : 刚才，我遇到了http://pkghosh.wordpress.com看看吧 . （使用算法的用例）
1 回答
没有免费的午餐理论说 if algorithm A outperforms algorithm B for some problem, then loosely speaking there must exist exactly as many other problems where B outperforms . 因此，很难将算法与特定用例相关联 .
如果您只查找可以使用机器学习算法的用例，请访问https://www.kaggle.com/wiki/DataScienceUseCases
Update : 刚才，我遇到了http://pkghosh.wordpress.com看看吧 . （使用算法的用例）