常见算法介绍

常见算法分类

算法：是利用计算机解决待定问题的处理步骤，是有限操作的稽核。

常见机器学习算法分类：按照学习方式不同进行分类，根据学习样本数据不同，对问题有不同的建模方式。 常见的有监督式学习（学习样本中有结果标记）、无监督学习（学习样本中无结果标记）、半监督学习（学习样本中部分记录有结果标记）；

有监督学习：利用一组已知类别的样本来训练模型，使其能达到性能要求。特点为输入数据（寻训练数据）均有一个明确的标识或结果（标签）。即我们提供样例“教”计算机如何学习；

无监督学习：从无标记的训练数据中推断结论。其特点为输入数据（训练数据）不存在明确的标识或结果（标签）。常见的无监督学习为聚类，即发现隐藏的模式或者对数据进行分组。即计算机根据我们的提供的材料“自动”学习，给定数据，寻找隐藏的结构或模式；

分类(Classification)：通过已有数据集（训练集）的学习，得到一个目标函数f(模型)，把每个属性集x映射到目标属性y(类)，且y必须是离散的（若y为连续的，则属于回归算法）。通过对已知类别训练的分析中，从中发现分类规则，以此预测新数据的类别；

按原理分类：基于统计的：如贝叶斯分类；基于规则的：如决策树算法；基于神经网络的：神经网络算法；基于距离的：KNN（K近邻算法）；
常用评估指标：精确率：预测结果与实际结果的比例；召回率“预测结果中某类结果的正确覆盖率；F1-Score：统计量，综合评估分类模型，取0-1之间；