大数据下的机器学习算法综述，介绍利用大数据做机器学习的常用算法ordan Little bootstraps Boot frap ordan 4 4.1 4.2 Kol- Tucker Memory -Efficient Tucker Decomposition MET MET densed Nearest Neighbor CNN R duced nearest neighbor RnN Ed MET ted Nearest Neighbor ENN Wahba h 10 Regularize

现有的人脸表情识别技术基本局限于传统的机器学习算法，在光照强弱、有遮挡物、姿态变换等情况下，传统的机器学习算法鲁棒性差，难以运用到实际生活中。随着计算机GPU等硬件条件的发展、大数据时代的到来，深度学习在计算机视觉领域备受关注。本文从图像预处理、特征提取、特征分类等方面介绍了传统机器学习算法及其优缺点；从DBN、CNN等主流算法、发展方向、常用开发框架介绍了深度学习算法。最后总结和展望了传统机器学习与深度学习在人脸表情识别上的发展问题与趋势以及后续研究方向。

大数据特征以及机器学习算法介绍，可以对机器学习算法一个大致的了解。

关于机器学习方面的集成算法，包括boosting和bagging，里面讲解详细，值得下载2019/4/27 总结: Bootstrap(白助法), Bagging, Boosting(提升)-简书 assiier 1 -9 Decition boundary Classifier 2 Decislon boundary 2 Classifier 3 o Decision boundary 3 ▲△▲ △6▲ Feature 1 Feature 1 Featur (∑ g Feature Ense