【机器视觉系列】机器学习之零：机器学习十大经典算法

最新推荐文章于 2024-05-03 16:53:09 发布

飞翔的鲲

最新推荐文章于 2024-05-03 16:53:09 发布

阅读量2.5k

点赞数 2

CC 4.0 BY-SA版权

分类专栏：【机器视觉入门和进阶教程】文章标签：机器学习

本文链接：https://blog.csdn.net/soaringlee_fighting/article/details/52625867

58 篇文章 ¥39.90 ¥99.00

订阅专栏

本文介绍了机器学习的十大经典算法，包括C4.5决策树、K-Means聚类、支持向量机(SVM)、Apriori关联规则、最大期望(EM)算法、PageRank网页排名、AdaBoost迭代算法、kNN最近邻分类、朴素贝叶斯分类以及CART回归树。这些算法在分类、聚类和预测等领域有着广泛应用。

DATE: 2016.9.22

机器学习10大经典算法简介：

C4.5算法是机器学习算法中的一种分类决策树算法,其核心算法是ID3算法. C4.5算法继承了ID3算法的优点，并在以下几方面对ID3算法进行了改进：

1)用信息增益率来选择属性，克服了用信息增益选择属性时偏向选择取值多的属性的不足；

2)在树构造过程中进行剪枝；

3)能够完成对连续属性的离散化处理；

4)能够对不完整数据进行处理。

C4.5算法有如下优点：产生的分类规则易于理解，准确率较高。其缺点是：在构造树的过程中，需要对数据集进行多次的顺序扫描和排序，因而导致算法的低效。

k-means algorithm算法是一个聚类算法，把n的对象根据他们的属性分为k个分割，k < n。它与处理混合正态分布的最大期望算法很相似，因为他们都试图找到数据中自然聚类的中心。它假设对象属性来自于空间向量，并且目标是使各个群组内部的均方误差总和最小。

支持向量机（Support Vector Machine），简称SV机（论文中一般简称SVM）。它是一种监督式学习的方法，它广泛的应用于统计分类以及回归分析中。支持向量机将向量映射到一个更高维的空间里，在这个空间里建立有一个最大间隔超平面。在分开数

了解本专栏