毋庸置疑,AI时代已到。作为AI的重要分支,机器学习在推荐系统、在线广告、金融市场分析、计算机视觉、语言学、生物信息学等诸多领域都取得了巨大的成功。机器学习并不是像我们字面理解的那样,让冷冰冰的机器去学习,或者狭义的理解为让机器人去学习。
机器学习,从本质上来说,可以理解为算法学习(Algorithm Learning)、模型学习(Model Learning)或者叫函数学习(Function Learning)。今天这个PPT将为大家详细介绍机器学习-算法。文章末尾附本PPT下载。
![640?wx_fmt=gif](https://i-blog.csdnimg.cn/blog_migrate/f6679f79970acb3144337c2317eb546b.gif)
监督学习算法 (Supervised Algorithms):在监督学习训练过程中,可以由训练数据集学到或建立一个模式(函数 / learning model),并依此模式推测新的实例。该算法要求特定的输入/输出,首先需要决定使用哪种数据作为范例。例如,文字识别应用中一个手写的字符,或一行手写文字。主要算法包括神经网络、支持向量机、最近邻居法、朴素贝叶斯法、决策树等。
无监督学习算法 (Unsupervised Algorithms):这类算法没有特定的目标输出,算法将数据集分为不同的组。
强化学习算法 (Reinforcement Algorithms):强化学习普适性强,主要基于决策进行训练,算法根据输出结果(决策)的成功或错误来训练自己,通过大量经验训练优化后的算法将能够给出较好的预测。类似有机体在环境给予的奖励或惩罚的刺激下,逐步形成对刺激的预期,产生能获得最大利益的习惯性行为。在运筹学和控制论的语境下,强化学习被称作“近似动态规划”(approximate dynamic programming,ADP)。
线性回归算法 Linear Regression
支持向量机算法 (Support Vector Machine,SVM)
最近邻居/k-近邻算法 (K-Nearest Neighbors,KNN)
逻辑回归算法 Logistic Regression
决策树算法 Decision Tree
k-平均算法 K-Means
随机森林算法 Random Forest
朴素贝叶斯算法 Naive Bayes
降维算法 Dimensional Reduction
梯度增强算法 Gradient Boosting
Apriori算法
最大期望算法Expectation-Maximization algorithm, EM
PageRank算法
本文件来自百度文库。
下载链接:
https://pan.baidu.com/s/1dt46uXp0IQRm7M3jm2Q-MA
提取码: mq27
End.
实战案例
▍Python机器学习实践:随机森林算法训练及调参 (附代码)
▍Python实战 爬取万条票房数据分析2019春节档电影状况
▍教你用Python撩妹:微信推送天气早报/睡前故事/精美图片
▍用Python爬取数据来分析 2019年金三银四 Python就业行情
爱数据,爱技术,爱AI,36大数据社群(大数据交流、AI技术学习群、机器人研究、AI+行业、企业合作群)火热招募中,对大数据和AI感兴趣的小伙伴们。增加AI小秘书微信号:a769996688,说明身份即可加入。
![undefined 640?wx_fmt=png](https://i-blog.csdnimg.cn/blog_migrate/e5bb72abb971e29d5276836b29e8bf24.jpeg)
![undefined 640?wx_fmt=jpeg](https://i-blog.csdnimg.cn/blog_migrate/00f6cbe5cbab9a9bc2af9f0838ab9053.jpeg)
![3.png 640?wx_fmt=png](https://i-blog.csdnimg.cn/blog_migrate/7c067d97bad1db1e195b9cef451b1819.jpeg)
长按识别二维码关注我们
欢迎投稿,投稿/合作:dashuju36@qq.com
如果您觉得文章不错,那就分享到朋友圈~
给我一个心,可以不可以
![640?wx_fmt=gif](https://i-blog.csdnimg.cn/blog_migrate/9af702de73d1abd90df768da3cd03c78.gif)