机器学习常用六大算法

机器学习是人工智能行业的一个创新且重要的领域。我们为机器学习程序选择的算法类型，取决于我们想要实现的目标。现在，机器学习有很多算法。可能对于初学者来说，这是相当不堪重负的。此前，Educative.io 联合创始人法希姆乌尔哈克（Fahim ul Haq）发文简要介绍了几种流行的机器学习算法，帮助初学者进入机器学习的世界。

1. 线性回归
线性回归（Linear Regression）可能是最流行的机器学习算法。线性回归就是要找一条直线，并且让这条直线尽可能地拟合散点图中的数据点。它试图通过将直线方程与该数据拟合来表示自变量（x 值）和数值结果（y 值）。然后就可以用这条线来预测未来的值。
这种算法最常用的技术是最小二乘法（Least of squares）。这个方法计算出最佳拟合线，以使得与直线上每个数据点的垂直距离最小，总距离是所有数据点的垂直距离的平方和。其思想是通过最小化这个平方误差或距离来拟合模型。

2. 逻辑回归
逻辑回归（Logistic regression）与线性回归类似，但它是用于输出为二进制的情况（即，当结果只能有两个可能的值）。对最终输出的预测是一个非线性的 S 型函数（称为 logistic function, g()）。
这个逻辑函数将中间结果值映射到结果变量 Y，其值范围从 0 到 1。然后，这些值可以解释为 Y 出现的概率。S 型逻辑函数的性质使得逻辑回归更适合用于分类任务。

3. 决策树
决策树（Decision Trees）可用于回归和分类任务。在这一算法中，训练模型通过学习树表示（Tree representation）的决策规则来学习预测目标变量的值。树是由具有相应属性的节点组成的。

在每个节点上，人们根据可用的特征询问有关数据的问题。左右分支代表可能的答案，最终节点（即叶节点）对应于一个预测值。每个特征的重要性是通过自顶向下方法确定的。节点越高，其属性就越重要。

4. 支持向量机（SVM）
支持向量机（Support Vector Machine）是一种用于分类问题的监督算法。支持向量机试图在数据点之间绘制两条线，它们之间的边距最大。为此，要将数据项绘制为 n 维空间中的点，其中，n 是输入特征的数量。在此基础上，支持向量机找到一个最优边界，称为超平面（Hyperplane），它通过类标签将可能的输出进行最佳分离。
超平面与最近的类点之间的距离称为边距。最优超平面具有最大的边界，可以对点进行分类，从而使最近的数据点与这两个类之间的距离最大化。

5. K- 均值

K- 均值（K-means）是通过对数据集进行分类来聚类的。例如，这个算法可用于根据购买历史将用户分组。它在数据集中找到 K 个聚类。K- 均值用于无监督学习，因此，你只需使用训练数据 X，以及你想要识别的聚类数量 K。
该算法根据每个数据点的特征，将每个数据点迭代地分配给 K 个组中的一个组。它为每个 K- 聚类选择 K 个点。 K- 聚类又称为质心，基于相似度，将新的数据点添加到具有最近质心的聚类中，这个过程一直持续到质心停止变化为止。

6. 降维
随着人们捕获的数据量越来越大，机器学习问题也变得更加复杂。这就意味着训练极其缓慢，而且很难找到一个好的解决方案。这一问题，通常被称为“维数灾难”（Curse of dimensionality）。
降维（Dimensionality reduction）试图在不丢失最重要信息的情况下，通过将特定的特征组合成更高层次的特征来解决这个问题。主成分分析（Principal Component Analysis，PCA）是最流行的降维技术。
主成分分析通过将数据集压缩到低维线或超平面 / 子空间来降低数据集的维数。这尽可能地保留了原始数据的显著特征。

以上就是当下流行的几种机器学习算法，除此以外，还有朴素贝叶斯、K- 最近邻算法（KNN）、随机森林、人工神经网络（ANN）等也是有名的机器学习算法。

机器学习常用六大算法相关推荐

机器学习-常用回归算法归纳(全网之最)
文章目录前言一元线性回归多元线性回归局部加权线性回归多项式回归 Lasso回归 & Ridge回归 Lasso回归 Ridge回归岭回归和lasso回归的区别 L1正则 & ...
机器学习常用的算法整理：线性回归、逻辑回归、贝叶斯分类、支持向量机、K-means聚类、决策树、随机森林以及常用的应用场景整理
什么是机器学习? 机器学习是计算机利用已有的数据(经验)得出了某种模型,并利用这些模型预测未来的一种方法.这个过程其实与人的学习过程极为相似,只不过机器是一个可以进行大维度数据分析而且可以不知疲倦地学 ...
机器学习——常用算法的总结
机器学习常用算法总结机器学习--常用算法的总结学习方式一.监督式学习: 1.分类 2.回归补充--线性回归与逻辑回归二.非监督式学习: 三.半监督式学习: 四.强化学习: 算法类似性一.回 ...
机器学习常用算法归详细纳整理
作者:进击的西西弗斯本文链接:https://blog.csdn.net/qq_42216093/article/details/116434557 版权声明:本文为作者原创文章,未经作者同意禁止转 ...
机器学习常用算法的优缺点总结
决策树一. 决策树优点 1.决策树易于理解和解释,可以可视化分析,容易提取出规则. 2.可以同时处理标称型和数值型数据. 3.测试数据集时,运行速度比较快. 4.决策树可以很好的扩展到大型数据库中 ...
机器学习-第三方库(工具包)：scikit-learn【用于特征工程（主要分为三部分：数据预处理、特征选择、降维）】【Sklearn模块中包含常用的算法】
sklearn是Python语言的机器学习工具 sklearn是做特征工程(做模型调算法)最常用也是最好用的工具没有之一. Scikit-learn包括许多知名的机器学习算法的实现(算法原理一定要懂) ...
【机器学习】常用聚类算法整理
sparkML 常用聚类算法 http://spark.apache.org/docs/latest/mllib-clustering.html 如下为机器学习聚类算法的理论知识: 在机器学习中,无 ...
[机器学习笔记] 常用关联规则算法
机器学习中常用关联规则算法关联规则算法是一种基于规则的机器学习算法,该算法可以在大数据中发现彼此之间的关系. 它的目的是:利用一些度量指标来分辨数据库中存在的强规则.也即是说关联规则挖掘是用于知识发 ...
机器学习（二十二）——推荐算法中的常用排序算法, Tri-training
推荐算法中的常用排序算法 Pointwise方法 Pranking (NIPS 2002), OAP-BPM (EMCL 2003), Ranking with Large Margin Princi ...

机器学习常用六大算法

机器学习常用六大算法相关推荐

最新文章

热门文章