最近看了一些机器学习的文章,总结了总结,主要用到以下几种算法
经典机器学习的算法
1 回归算法, 分为线性回归这是得到的一个具体的连续的数值,逻辑回归 得到的是离散的结果,例如是否迟到这类的。
2 神经网络, 一层一层的把数据拆分,然后分给每个神经元来处理,越深入的就和原来的数据不同,越是单一和简单类似于一个原子
3 svm支持向量机 逻辑回归算法的强化,通过与高斯“核”结合可以表达出非常复杂的分类边界,核是一种特殊的函数,最典型的特征就是将低纬空间映射到高纬空间,例如把一个二维投影到三维中,可以有更清晰的模拟表示和平民区分来做分类边界
4 聚类算法 是一个无监督算法,通过没有标签的数据推测出标签
5 降纬算法, 无监督算法,通过压缩来出去冗余信息,可以把很多特征压缩成若干个特征,也有利于数据的可视化,例如5维降低到2维后可以平面可视。
6 推荐算法 著名的协同过滤算法,一般电商使用,比如把用户购买的相似的东西推送给用户,前提是这些商品有很多个标签