用最少的字介绍最常用的机器学习分类算法

在搞笑诺贝尔奖Ig Nobel Prize颁奖典礼上, 有一个节目叫24/7，先让科研者先用24秒完整讲解科研工作，然后再用让所有人都明白的7个单词总结。有人讲，如果一个人不能把深奥的理论描述清楚得让跳广场舞的大妈明白，就不能算真正理解中这个理论。虽然凡事都有例外，但是跟外行人聊天或者面试时，我们经常会遇到要把深奥的专业知识讲解出来，让非专业人士都明白其中的精髓。这篇博客将斗胆挑战讲解机器学习中的几个常用的分类算法，字数不得超五十，越容易理解越好越好，越少越好。为了使文章做到通俗易懂，有基本的数学知识就能理解，我省略很多专业称谓。如果说错了或者读者有更好的讲解，请不吝赐教。

 

KNN K Nearest Neighbour K近邻算法
版本一：在多维特征空间里，一个数据点的类别，与跟它最近的K个数据点的类别，是一样的概率很大。
版本二：如果要了解一个人是什么样的，最有可能从他身边的亲人，朋友，邻居的特性中找到答案。比如一个人的亲近的朋友都会打麻将，那么极大可能他也会打麻将。
版本三：“近朱者赤，近墨者黑”的概率大于“出淤泥而不染，浊清涟而不妖”。

 

K Means K均值
在特征空间中，随机选k个中心，其他所有点找到距离最近的中心，形成k个聚类。然后聚类的中心点成为空间中新的中心，其他所有点再次根据距离形成新的聚类。重复这个过程，直到中心不在变化时。

 

SVM Support Vector Machine 支持矢量机
在特征空间中，画不同的边界，找出距离所有点总距离最远的边界。

 

Decision Tree 决策树
数据点的每一个特征都用来一层一层地进行判断是否属某一类别，就像一个棵树，从树根经过树干，大小不同树枝到每片叶子。

 

Naive Bayes 朴素贝叶斯
假设某一类别的数据点的所有特性都是不相关的,某一特征判定为某类别的概率是相互独立的。根据贝叶斯，计算出新的数据点各种特征条件下为各类别的概率，最终类别为概率最大者。

 

Random Forest 随机森林
很多的决策树随机地建立一个森林，决策树之间是没有关联的。让森林中的每一棵决策树分别进行一下判断数据点类型，然后看看哪一类被选择最多，就预测该数据点为那一类。