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 |
---|---|
DBSCAN | Parzen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