image.png
0.机器学习回顾：
监督学习：
从训练数据中学习模型，对测试数据进行预测 监督：每个样本均有一个已知的输出项（类标签）
（1）分类模型（分类器）：二分类，多分类 决策树算法，KNN算法，SVM算法，感知机，神经网络 逻辑斯特回归（分类模型，主要二分类，ovr-one vs rest） 朴素贝叶斯（分类模型，求解分类概率）
（2）回归模型（回归器）：输出变量是连续值的情况
线性回归：简单线性回归、多元线性回归
非监督学习：人们给机器一大堆没有分类标记的数据，让机器可以对数据进行分类、检测异常
非监督：不关注类标签（不关注样本的输出） 注意：如果数据是有标签的，是否可以进行无监督学习？
答案是没有问题的
（1）聚类分析：KMean
（2）数据降维（特征提取）：PCA,SVD,LDA
PCA主成分分析==>（数据降维)
相当于数据的压缩，特征的提取
把相关的特征压缩，从而形成我们的二维特征。
SVD奇异值分解
隐含狄利克雷分布(Latent Dirichlet Allocation，以下简称LDA
网友评论