版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/JIEJINQUANIL/article/details/78993775
1、机器学习可以简单地分为监督学习和无监督学习,对于监督学习可以分为分类问题和回归问题。
(1)分类:将实例数据划分到合适的分类中。
KNN(k-近邻算法)、决策树、朴素贝叶斯、Logistic回归、SVM(支持向量积)。
分类问题示意图
(2)回归:预测数值型数据,包括一元线性回归、多元线性回归、Logistic回归等。
关于这方面的详细介绍可以参见监督学习与无监督学习总结。
2、监督学习通用处理框架
对于监督学习,一般可以通过以下5个步骤来进行处理:
(1)数据采集和预处理;
(2)模型选择;
(3)确定代价函数与优化函数;
(4)求解优化问题;
(5)对新的数据进行预测。
这个步骤比较简单,将数值带入模型得出计算结果即可。
参考资料: