一:机器学习形式:
此学习方式中,数据处理以人为标注为标准判断。分以下两种方式:
1)监督学习:即学习目标采用具有人工标注的数据辅助完成学习,即样本数据带标签(data,label)
特点:效果显著,成本昂贵。
经典算法:BN、SVN、KNN、CBR等
2)无监督学习:与监督学习相对,使计算机自身自动学习,以多种数据完善先验知识吸收。
特点:成本可控,效率较低
二:机器学习经典算法:
1)决策树:采用ID3、C4.5、CART等算法
2)随机森林:由多个决策树组成多个分类器和回归器。
3)神经网络:构造阈值逻辑单元,每个值单元为一个对象,输入加权数,求和,达到某一阈值
则输出一个量。
4)SVM:又称支持向量机法。主要根据为统计学理论。、
5)Boosting和Bagging:AdaBoost弱学习模型优化算法、自举推荐由弱学习开展。