任务示例 | 机器学习术语 | 典型方法 |
1.识别垃圾邮件 2.根据商品目录对商品分类 3.识别即将违约的贷款 4.将顾客指派到某个顾客类 | 分类:将已知标签指派给对象 | 决策树、朴素贝叶斯、逻辑回归、支持向量机
|
1.预测关键词广告的价值 2.估计贷款会拖欠的概率 3.预测营销活动将增加多少交易量或者销售量 | 回归:预测或者预报数值 | 线性回归、逻辑回归 |
1.发现被一起购买的商品 2.识别在同一次回话中经常浏览的网页 3.识别成功的网页和关键词广告组合 | 关联规则:寻找常常一起出现在数据里的对象 | 关联规则 |
1.识别具有相同购买模式的顾客群体 2.识别在相同地区或者相同顾客群体里受欢迎的商品 3.识别所有讨论类似事件的新闻项 | 聚类:组内成员与其他组的成员相比更为相似 | K-均值 |
1.根据其他相似顾客的购买情况为顾客作产品推荐 2.根据相似商品过去拍卖的最终价格预测某拍卖商品的最终价格 | 最近邻:根据最相似于某个数据的一或者多个数据来预测该数据的属性 | 最近邻法 |
算法 从问题到方法的映射
最新推荐文章于 2022-07-31 20:02:12 发布