近年来,随着信息技术,计算机技术及互联网的快速发展,各个社会领域均积累起了规模庞大的数据。随着信息系统的广泛应用,源自古老的数据分析及统计技术,加上现代的人工智能,数据库和统计学相关技术,研究如何充分利用大规模的数据,发掘出有用知识的数据挖掘技术迅速发展起来。机器学习是解决数据挖掘问题的主要方法之一。机器学习是一种利用系统本身进行自我改进的过程,使计算机程序能随着经验的积累自动提高性能,虽然到目前为止机器学习还不足以使计算机具备和人类一样强大的学习能力,但针对大量特定学习任务的算法的提出,使计算机具备了从大量数据中提取特征、发现隐含规律的能力,因此机器学习在数据挖掘中得到了广泛应用。本文针对两个具体的数据挖掘问题提出了基于机器学习算法的解决方案：第一个问题为利用大量路测的移动终端接收电平信号数据对GSM网络户外移动终端进行定位,针对这一问题,本文在过往成果的基础上提出一种基于支持向量机和k-近邻法的三阶段定位方法,该方法相对于以往基于机器学习的定位方法大幅提高了定位精度和定位速度。第二个问题为利用大量用户数据对新浪微博这一特定社交网络中的用户联系进行预测,对于在新浪微博中的链接预测,本文针对新浪微博的特点,提出了一个有效并且多维度的特征集合,并利用引入优化机制的支持向量机算法对该用户数据的特征集合进行训练后对新浪微博中的链接进行预测,得到了较高的预测精度与预测速度,并将这种方法与其他机器学习算法的性能进行了对比,最后使用特征重要性排序算法对特征集合中的特征重要性进行了比较,发现新浪微博中的用户链接受到用户兴趣取向和社会关系两个因素的影响很大。