本文用于总结机器学习、深度学习常用算法的思想,并贴出网上讲解较好的博客!!!
思想:求解能够正确划分训练数据集并且几何间隔最大的分离超平面。
ID3算法
思想:从根节点开始,对结点计算所有可能特征的信息增益,选择信息增益最大的特征作为结点的特征,由该特征的不同取值简历子结点,再对子结点递归的调用以上方法,构建决策树。直到所有特征的信息增益均很小或没有特征可以选择为止。
CART回归树算法
思想:遍历所有输入特征和其对应的切分点,利用均方误差最小准则找到最优特征和最优切分点,构成一个对(j,s),将输入空间划分为两个区域,再对每个区域重复上述过程。
Adaboost算法思想:通过迭代每次学习一个基本分类器。每次迭代中,提高那些被前一轮分类器错误分类数据的权值,而降低那些被正确分类数据的权值。最后,Adaboost将基本分类器的线性组合作为强分类器,其中给分类错误率小的基本分类器以大的权值,给分类错误率大的基本分类器以小的权值。
思想:将n维特征映射到k维上,k<n,这k维特征是全新的正交特征,也是主成分。其是重新构造出来的k维特征,而不是简单地从n维特征中删除n-k维特征。
思想:每次迭代都是为了减少上一轮的残差,为了消除残差,在残差减小的梯度方向上建立回归树模型。利用损失函数负梯度方向在当前模型的作为残差的近似值。
思想:将源领域的知识迁移至与其相似的目标领域中。
参考资料:
1.李航《统计学习方法》