版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、一文解析機(jī)器學(xué)習(xí)常用 一文解析機(jī)器學(xué)習(xí)常用 35 大算法 大算法.doc一文解析機(jī)器學(xué)習(xí)常用 35 大算法.doc 一文解析機(jī)器學(xué)習(xí)常用35 大算法 本文將帶你遍歷機(jī)器學(xué)習(xí)領(lǐng)域最受歡迎的算法系統(tǒng)地了解這些算法有助于進(jìn)一步掌握機(jī)器學(xué)習(xí)當(dāng)然,本文收錄的算法并不完全,分類的方式也不唯一不過,看完這篇文章后,下次再有算法提起,你想不起它長處和用處的可能性就很低了本文還附有兩張算法思維導(dǎo)圖供學(xué)習(xí)使用 在本文中,我將提供兩種分類機(jī)器學(xué)習(xí)算法的方
2、法一是根據(jù)學(xué)習(xí)方式分類,二是根據(jù)類似的形式或功能分類這兩種方法都很有用,不過,本文將側(cè)重后者,也就是根據(jù)類似的形式或功能分類在閱讀完本文以后,你將會(huì)對(duì)監(jiān)督學(xué)習(xí)中最受歡迎的機(jī)器學(xué)習(xí)算法,以及它們彼此之間的關(guān)系有一個(gè)比較深刻的了解 事先說明一點(diǎn),我沒有涵蓋機(jī)器學(xué)習(xí)特殊子領(lǐng)域的算法,比如計(jì)算智能(進(jìn)化算法等) 、計(jì)算機(jī)視覺(CV) 、自然語言處理(NLP) 、推薦系統(tǒng)、強(qiáng)化學(xué)習(xí)和圖模型 下面是一張算法思維導(dǎo)圖,點(diǎn)擊放大查看 從學(xué)習(xí)方式分類 算
3、法對(duì)一個(gè)問題建模的方式很多,可以基于經(jīng)歷、環(huán)境,或者任何我們稱之為輸入數(shù)據(jù)的東西機(jī)器學(xué)習(xí)和人工智能的教科書通常會(huì)讓你首先考慮算法能夠采用什么方式學(xué)習(xí)實(shí)際上,算法能夠采取的學(xué)習(xí)方式或者說學(xué)習(xí)模型只有幾種,下面我會(huì)一一說明對(duì)機(jī)器學(xué)習(xí)算法進(jìn)行分類是很有必要的事情,因?yàn)檫@迫使你思考輸入數(shù)據(jù)的作用以及模型準(zhǔn)備過程,從而選擇一個(gè)最適用于你手頭問題的算法 監(jiān)督學(xué)習(xí) 輸入數(shù)據(jù)被稱為訓(xùn)練數(shù)據(jù),并且每一個(gè)都帶有標(biāo)簽,比如“廣告/非廣告”,或者當(dāng)時(shí)的股票價(jià)格
4、通過訓(xùn)練入機(jī)器學(xué)習(xí)領(lǐng)域“回歸”既可以指算法也可以指問題,因此在指代的時(shí)候容易混淆實(shí)際上,回歸就是一個(gè)過程而已常用的回歸算法包括:普通最小二乘回歸(OLSR) 線性回歸 邏輯回歸 逐步回歸 多元自適應(yīng)回歸樣條法(MARS) 局部估計(jì)平滑散點(diǎn)圖(LOESS) 基于實(shí)例的學(xué)習(xí)算法 基于實(shí)例的學(xué)習(xí)通過訓(xùn)練數(shù)據(jù)的樣本或事例建模,這些樣本或事例也被視為建模所必需的這類模型通常會(huì)建一個(gè)樣本數(shù)據(jù)庫,比較新的數(shù)據(jù)和數(shù)據(jù)庫里的數(shù)據(jù),通過這種方式找到最佳匹
5、配并做出預(yù)測換句話說,這類算法在做預(yù)測時(shí),一般會(huì)使用相似度準(zhǔn)則,比對(duì)待預(yù)測的樣本和原始樣本之間的相似度,再做出預(yù)測因此,基于實(shí)例的方法也被稱之為贏家通吃的方法(winner-take-all)和基于記憶的學(xué)習(xí)(memory-based learning)常用的基于實(shí)例的學(xué)習(xí)算法包括:k-鄰近算法(kNN) 學(xué)習(xí)矢量量化算法(LVQ) 自組織映射算法(SOM) 局部加權(quán)學(xué)習(xí)算法(LWL) 正則化算法 正則化算法背后的思路是,參數(shù)值比較小的
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
評(píng)論
0/150
提交評(píng)論