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 n2 P" ?! w3 ]3 y# k
2 ~+ J9 ^& ?! \; Y A8 v- v2 {1 t+ S
监督学习一般使用两种类型的目标变量：标称型和数值型。
; E5 V. Q( |# n
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 W) s: a0 B' Y$ }" W/ D
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。
{% x, g- N5 x7 a' a% M
. O% x$ P9 h: n& Q4 E9 [* 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
3 q: p% K4 W7 Q
. p U; {4 ]+ \0 c# _/ U
第一章 机器学习基础
& J, \4 S& D; x8 \2 N( s5 ]
机器学习基本概念
" p# h% g( A" i. h! E
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。
7 K* h4 E; @) d% I8 `
8 H$ f+ |( Q9 S+ ]! u" U4 u
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
3 f7 ^1 @$ y6 L! h/ F1 S
% p7 I# f& r/ X9 j# `0 i8 \
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。
* l4 y* c# a7 {& w; L
8 b. A. `7 o+ W I5 f
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 L" }1 e* z" a/ n
监督学习 用途
6 ]" ?3 a/ a$ `. G$ T
k-近邻算法 线性回归
( [4 h( P0 S. d0 G# e8 r
朴素贝叶斯 局部加权线性回归
9 _: B) [- g9 ?1 B2 k6 V0 M* o
支持向量机 Ridge回归
# c4 D$ L7 A+ P3 T4 Y
决策树 Lasso最小回归系数估计
: Y$ D8 p/ {% b8 o, D6 s
无监督学习 用途
3 ~- k* U6 E7 N4 U; k, v6 M
K-均值 最大期望算法
% \2 o2 C+ i% G2 [; H6 K P
DESCAN Parzen窗设计
9 B; l/ p% `% Q7 h: ~
Python语言用于机器学习的优势
- d# D. P0 ^5 R9 d" f$ h
python语言语法清晰；
' M$ [$ k3 [$ n4 Z3 G# t6 j5 [. m4 N
易于操作纯文本文件；
+ J y# d4 T/ i
使用广泛，存在大量的开发文档。
3 x, n8 e1 \1 B0 I4 e7 S8 G
————————————————
# y5 R+ N0 N J% e) J3 p
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。
. K3 v& l& q% z8 e
原文链接：https://blog.csdn.net/weixin_43098506/article/details/126739013
- @# J6 M& H9 ~
' }; X4 B6 ? _0 K
& P4 d& u8 l$ T, E
欢迎光临 数学建模社区-数学中国 (http://www.madio.net/)
Powered by Discuz! X2.5