机器学习实战阅读笔记chap1

监督学习:例如分类和回归:指导需要预测什么,即目标变量得分类信息
无监督学习:数据没有类别信息,也不会给定目标值
无监督学习中将数据分成类似的对象组成的多个类的过程称为聚类,描述数据统计值的过程称为密度估计
监督学习,预测变量的值,离散用分类,连续用回归

kNN线性回归
朴素贝叶斯算法局部加权线性回归
支持向量机ridge回归
决策树lasso最小回归系数估计

无监督学习,不预测变量的值

k-均值最大期望算法
DBSCANParzen窗设计

收益数据->准备输入数据->分析输入数据->训练算法(无监督训练不用这一步)->测试算法->(根据测试结果看是否需要回到上一步再进行训练)使用算法

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值