数学建模社区-数学中国
标题:
用于执行分类、回归、聚类和密度估计的机器学习算法列表
[打印本页]
作者:
杨利霞
时间:
2022-9-8 10:24
标题:
用于执行分类、回归、聚类和密度估计的机器学习算法列表
用于执行分类、回归、聚类和密度估计的机器学习算法列表
3 T$ R O4 z$ X+ U6 [+ D2 I
2 j0 \* v5 Z, a$ H
监督学习一般使用两种类型的目标变量：标称型和数值型。
! ?6 M O: E5 D6 a
标称型目标变量的结果只从有限目标集中取值，主要用于分类；
6 s, S5 @( e+ D( b, m9 K
数值型目标变量从无限的数值集合中取值，主要用于回归分析。
# q* x0 h! G' m
9 {' t5 v. }8 A( d9 `3 g
《机器学习基础》 一书因为与我在PolyU的研究生课程COMP Machine Learning课程安排完全吻合，所以开启学习之旅，用于预习复习，并记录笔记于此。7/9/22
% t$ D: A) Z& ^; C9 @8 }; a
6 w P" I# A+ J) c4 }: w
第一章 机器学习基础
6 e$ |+ Z" Q) w/ B. }; Q1 v
机器学习基本概念
Q" W$ ^1 w8 n3 Z! o
机器学习就是把无序的数据转换成有用的信息。我们会利用计算机来彰显数据背后的真实含义。
$ ?: C2 e7 H0 X* J8 K
) u7 ~1 ]8 i& H8 [+ c$ o
几个概念词：特征/属性，属性值，训练，训练集，目标变量，训练数据，测试数据，概念含义记录在博客：https://blog.csdn.net/weixin_43098506/article/details/126716645
* C6 d) f9 U" q8 U3 |
C6 Y5 _+ V \" C% X2 ^
分类：当机器学习程序开始运行时，使用训练样本集作为算法的输入，训练完成之后输入测试样本。输入测试样本时不提供测试样本的目标变量，由程序决定样本术语哪个类型。比较测试样本预测的目标变量值与实际样本类别之间的差别，就可以得出算法的实际精确度。
7 k5 n6 }! r7 { [* v& s4 D
. g8 X) V& p, ]" g U* V o) a4 ^
用于执行分类、回归、聚类和密度估计的机器学习算法列表
# a6 W8 s, p& \! f
监督学习 用途
0 l" \$ x8 g9 p
k-近邻算法 线性回归
# h9 ~, F( K8 U0 y- [4 O( M9 B
朴素贝叶斯 局部加权线性回归
) Y( V9 {0 T) l
支持向量机 Ridge回归
1 S }1 k) U" \6 Z! l
决策树 Lasso最小回归系数估计
0 Z6 t! h" I/ g* m: |
无监督学习 用途
$ e0 b# f+ r- d7 T) f# d
K-均值 最大期望算法
- t6 D$ ?8 u( Z4 f, _
DESCAN Parzen窗设计
/ d3 F& c% t# j$ d8 P
Python语言用于机器学习的优势
5 L; W7 L# V" s, n) x& r" b+ S
python语言语法清晰；
. p' E) ~$ |3 g7 q) f1 Y: A9 @( K
易于操作纯文本文件；
$ o' K, v i) H
使用广泛，存在大量的开发文档。
1 c, x8 }: r( [, H
————————————————
5 z, i9 ] V) p2 M7 E5 J
版权声明：本文为CSDN博主「脚踏实地的大梦想家」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
; ]* ^* e% e! N" b9 n6 P5 o
原文链接：https://blog.csdn.net/weixin_43098506/article/details/126739013
5 N3 X; c% z# b. n
/ R" [8 o& |4 h) o
' ?6 |% J& d0 ]+ E' f
欢迎光临 数学建模社区-数学中国 (http://www.madio.net/)
Powered by Discuz! X2.5