美文网首页
机器学习入门 -- 常用算法介绍

机器学习入门 -- 常用算法介绍

作者: 呼吸化为空气 | 来源:发表于2018-07-22 16:52 被阅读102次

先介绍几个概念:
决策树,朴素贝叶斯,梯度下降,线性回归

决策树
决策树
朴素贝叶斯

这里我只想到贝叶斯的概率公式,欢迎补充。


朴素贝叶斯
梯度下降

记得第一次看见这个概念是在多元微积分里,这次捡起来。
梯度下降用来最小化误差。


梯度下降
线性回归

提到这个直接想到的就是最小二乘法,通过散点拟合线性方程。


线性回归

接下来是机器学习常用的算法:

逻辑回归
逻辑回归
SVM(支持向量机)
SVM
核函数
核函数
神经网络
神经网络
神经网络类比生物神经元
K均值聚类

如果数据有很多堆呢?


K聚类
层次聚类

如果不知道k聚类分成多少堆,这时候用层次聚类再合适不过了。


层次聚类

总结:

可以说逻辑回归是一个把数据分成部分的忍者,而SVM又一个对周围的数据比较挑剔。


逻辑回归和SVM

神经网络是一个忍者群,核函数让不同的东西上升或者下降。


神经网络和核函数

相关文章

网友评论

      本文标题:机器学习入门 -- 常用算法介绍

      本文链接:https://www.haomeiwen.com/subject/idzlmftx.html