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
1 O) D$ E4 I( j9 D( r8 j9 j
9 D. c, l4 Y* k u. h& Q
监督学习一般使用两种类型的目标变量：标称型和数值型。
" [) |" B0 F ^, S8 B
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；
4 j! G- h# j3 T% @$ e' g
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。
$ `8 r( _3 O6 X
+ q# W8 o8 l2 c* Y; b4 o
《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
0 }# p; o: Q. d. ^2 P7 n# r9 |
4 N+ S( j3 d" c% s$ r
第一章 机器学习基础
( f2 w( D% X9 ^: ?/ z) p0 H2 C9 y( D3 x
机器学习基本概念
0 {" O+ d5 h/ X% j. U$ \
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。
* j& B- i4 [1 u/ D1 i# h* d
6 N# w7 q* a, ^/ h& R6 J3 ~5 h
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
: ~& j) T1 e& {, m* ~- Z
% k4 X% |: s2 l1 C5 e" \
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。
3 e5 r8 @7 g, t% G( y( y
6 Q* _/ Q2 T; }3 @
用于执行分类、回归、聚类和密度估计的机器学习算法列表
; o% ?, }& p8 s( W5 U5 C
监督学习 用途
/ t, |: G( Q q, k9 ?. |8 Y
k-近邻算法 线性回归
b% O+ i$ o: n" i( U; e5 U5 s
朴素贝叶斯 局部加权线性回归
2 C4 z0 I, |3 L; R& W9 n6 @- h
支持向量机 Ridge回归
1 @/ ?( Z( }1 U! Q: I) ]' E
决策树 Lasso最小回归系数估计
) Y: m4 R0 u. R/ O
无监督学习 用途
1 a+ a; Q6 F1 G
K-均值 最大期望算法
& n @' z) Y) k7 q1 v- Z' K0 }
DESCAN Parzen窗设计
. e9 Z+ V/ o: j$ s
Python语言用于机器学习的优势
( x1 o3 c; K5 E6 o! ]; h
python语言语法清晰；
- p5 y" A, [7 x% `
易于操作纯文本文件；
* P) p' X: T! f9 V
使用广泛，存在大量的开发文档。
: C8 C, c5 k3 a! }$ R1 w, Q
————————————————
5 m& z( C# l; H1 _$ L8 V5 K" K
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。
: b" T* Q, ^6 X8 h- G
原文链接：https://blog.csdn.net/weixin_43098506/article/details/126739013
+ ]# d. [4 _ A4 C( W: q
: V d, C6 o4 Q9 C
) t% Q" z2 i/ x4 I5 w6 {9 K) v) u
欢迎光临 数学建模社区-数学中国 (http://www.madio.net/)
Powered by Discuz! X2.5