我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？我想我正试图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。
答案 0 :(得分：7)
NO FREE LUNCH THEOREM声明如果算法A在某些问题上优于算法B，那么松散地说，必须存在与B优于的其他问题一样多的问题。 因此，很难将算法与特定用例联系起来 如果您只关注可以使用机器学习算法的用例，请访问https://www.kaggle.com/wiki/DataScienceUseCases
更新：刚才我遇到了http://pkghosh.wordpress.com看看。 （使用算法的用例）