机器学习算法

1、回归

算法名：线性回归

算法描述：

① 使用数据去拟合函数 ，并优化目标函数均方误差最小

应用中的问题：对于非线性的问题效果不好，而现实中的问题往往是非线性的

算法名：逻辑回归

算法描述：

① 使用数据去拟合函数 ，并优化目标函数负对数似然函数：

2、聚类

算法名：K-means

算法描述：

① 先随机初始化 k 个点，然后分别计算各个数据到这 k 个点的距离，然后分别将各个数据归类到某个距离最小的点，作为一类

② 计算每个类内的数据的均值作为中心点，重复过程 ①

③ 重复过程 ②，直到中心点的位置不再变化，或者迭代次数达到指定的值

应用中的问题：因为是随机初始化 k 个点，所以模型的学习效果具有很大的随机性

算法名：密度聚类 DBSCAN

详细可见：

https://www.cnblogs.com/PJQOOO/p/11838288.html

https://www.cnblogs.com/pinard/p/6217852.html

应用中的问题：调参比较困难

3、因子

4、关联

5、决策树

6、神经网络