1、机器学习是什么?
机器学习是数据通过算法构建出模型并对模型进行评估,评估的性能如果达到要求就拿这个模型来测试其它数据,如果达不到要求就要调整算法来重新建立模型,再次进行评估,如此循环往复,最终获取满意的经验来处理其它数据
2、机器学习分类
1)监督学习
2)无监督学习
3)半监督学习
4)强化学习
3、机器学习算法
1)回归算法
试图采用对误差的衡量来探索变量之间关系的一类算法,回归算法是统计机器学习的利器,常见的回归算法包括:最小二乘法(Ordinary Least Square)、逻辑回归(Logistic Regression)、逐步式回归(Stepwise Regression)、多元自适应回归样条(Multivariate Adaptive Regression Splines)以及本地散点平滑估计
2)基于实例的算法
常用来对决策问题建立模型,会优先选择一批样本数据,然后根据某些近似性把新数据与样本数据进行比较,通过这种方式来寻找最佳的匹配,也被称为“基于记忆的学习”,常见的算法包括“k-Nearest Neighbor”、学习矢量化(Learning Vector Quantization ,LVQ)以及自组织映射算法(Self-Organizing Map)
3)正则化方法
4)决策树学习
根据数据的属性采用树状结构建立决策模型,常用来解决分类和回归问题,包括分类及回归树、ID3、C4.5、随机森林等
5)贝叶斯学习
用来解决分类及回归的问题,常见算法包括朴素贝叶斯算法、平均单依赖估计等
6)基于核的算法
7)聚类算法
8)关联规则学习
9)人工神经网络算法
10)深度学习算法
11)降低纬度算法
12)集成算法