机器学习算法分类
其他
2018-08-21 12:14:18
阅读次数: 0
1 ML定义与应用场景
1.1 定义
- 机器通过分析大量数据来进行学习,发现数据之间的相关性,并做出预测。
- 机器学习最主要的任务是分类和回归。
1.2 应用场景
- 模式识别
- 计算机视觉
- 数据挖掘
- 语音识别
- 自然语言处理
2 ML算法分类
- 机器学习按照学习方式分为四类:有监督学习、无监督学习、半监督学习、强化学习。
2.1 有监督学习
- 条件:输入(训练集)、输出(标识)、测试数据(测试集)
- 结果:训练出最优模型
- 原理:通过已有的训练样本(已知输入与输出)去训练得到一个最优模型,再利用这个模型将所有的输入映射为相应输出,对输出进行判断从而实现对未知数据的分类。
2.2 无监督学习
- 条件:输入(数据)
- 结果:输出训练模型
- 工作原理:无任何训练样本,需要直接对数据进行建模、分类,找出数据内部的关联和模式。
2.3 半监督学习
- 条件:输入数据部分被标识,部分数据未标识
- 结果:输出训练模型
- 工作原理:训练一部分数据为生成数据,一部分数据为监督数据,算法分为生成器和判定器两部分,生成器的目标是使判定器接受自己的数据,判定器是为了最大可能的区分生成数据和监督数据,通过不断的训练使两者都达到最佳性能。
2.4 强化学习
- 条件:输入(数据)
- 结果:输出训练模型
- 工作原理:输入数据作为对模型的反馈,输入数据仅作为一个检查模型对错的方式,在强化学习下,输入数据直接反馈到模型,模型必须对此立刻做出调整。
3 算法分类
学习方式 |
算法 |
有监督学习 |
临近算法(KNN)、线性回归(Linear regression)、逻辑回归(Logistic regression)、朴素贝叶斯分类算法(Navie Bayes)、决策树(Decision trees)、随机森林(Random Forests)、AdaBoost算法(AdaBoost)、神经网络(Neural networks) |
无监督学习 |
K-means算法、Fuzzy K-means算法、迭代型K-means算法、合并法(系统聚类)、分裂法(分解聚类) |
半监督学习 |
GANs(生成式对抗网络算法) |
强化学习 |
瞬时查分算法(Tempporal Difference Algorithm)Q-学习算法(Q-Learning Algorithm)、Sarsa算法、Dyan算法、R学习算法(R-Learning Algorithm)、H学习、马尔科夫决策过程、AlphaGo+Zero、蒙特卡洛算法 |
温馨提示:
人工智能,永久更新
转载自blog.csdn.net/Xin_101/article/details/81776105