1. 所在位置：首页
  2. 问答
  3. 机器学习有哪些算法

机器学习有哪些算法

Cytheria? 2024-06-05 16:00:29
最佳回答
1决策树 (dec**ion trees)决策树是一个决策支持工具，它用树形的图或者模型表示决策及其可能的后果，包括随机事件的影响、资源消耗、以及用途。请看下图，随意感受一下决策树长这样的：从商业角度看，决策树就是用最少的 yes/no 问题，尽可能地做出一个正确的决策。它让我们通过一种结构化、系统化的方式解决问题，得到一个有逻辑的结论。2朴素贝叶斯分类 (naive bayes classification)朴素贝叶斯分类器是一类简单概率分类器，它基于把贝叶斯定理运用在特征之间关系的强独立性假设上。下图是贝叶斯公式 ——p (a|b) 表示后验概率，p (b|a) 表示似然度，p (a) 表示类别的先验概率 (class prior probability)，p (b) 表示做出预测的先验概率 (predictor prior probability)。3普通最小二乘回归 (ordinary least squares regression)如果你学过统计学，你可能听过线性回归。至少最小二乘是一种进行线性回归的方法。你可以认为线性回归就是让一条直线用最适合的姿势穿过一组点。有很多方法可以这样做，普通最小二乘法就像这样 —— 你可以画一条线，测量每个点到这条线的距离，然后加起来。最好的线应该是所有距离加起来最小的那根。线性法表示建模线性模型，而最小二乘法可以最小化该线性模型的误差。4逻辑回归 (log**tic regression)逻辑回归是一种非常强大的统计方法，可以把有一个或者多个解释变量的数据，建立为二项式类型的模型，通过用累积逻辑分布的逻辑函数估计概率，测量分类因变量和一个或多个独立变量之间的关系。通常，回归在现实生活中的用途如下：信用评估测量市场营销的成功度预测某个产品的收益特定的某天是否会发生地震5支持向量机 (support vector machines)svm 是一种二分算法。假设在 n 维空间，有一组点，包含两种类型，svm 生成 a (n-1) 维的超平面，把这些点分成两组。比如你有一些点在纸上面，这些点是线性分离的。svm 会找到一个直线，把这些点分成两类，并且会尽可能远离这些点。从规模看来，svm（包括适当调整过的）解决的一些特大的问题有：广告、人类基因剪接位点识别、基于图片的性别检测、大规模图片分类…6集成方法 (ensemble methods)集成方法吸纳了很多算法，构建一个分类器集合，然后给它们的预测带权重的进行投票，从而进行分类。最初的集成方法是贝叶斯平均法 (bayesian **eraging)，但是最近的算法集还包括了纠错输出编码 (error-correcting output coding) ，bagging 和 boosting那么集成方法如何工作的？为什么它们比单独的模型更好？它们均衡了偏差：就像如果你均衡了大量的倾向**党的投票和大量倾向共和党的投票，你总会得到一个不那么偏颇的结果。它们降低了方差：集合大量模型的参考结果，噪音会小于单个模型的单个结果。在金融上，这叫投资分散原则 (diversification)—— 一个混搭很多种股票的投资组合，比单独的股票更少变故。它们不太可能过度拟合：如果你有单独的模型不是完全拟合，你结合每个简单方法建模，就不会发生过度拟合 (over-fitting)end 20210311
汇率兑换计算器

类似问答
汇率兑换计算器

热门推荐
热门问答
最新问答
推荐问答
新手帮助
常见问题
房贷计算器-九子财经 | 备案号： 桂ICP备19010581号-1 商务联系 企鹅：2790-680461

特别声明：本网为公益网站，人人都可发布，所有内容为会员自行上传发布"，本站不承担任何法律责任，如内容有该作者著作权或违规内容，请联系我们清空删除。