您可能会遇到的第一个问题 不同类型的机器学习算法有哪些,它们有什么用,以及我应该选择哪一种?这篇文章将帮助您回答这些问题。
常用机器学习算法
首先,有几种不同的方法可以对机器学习算法进行分类。一种方法是基于训练数据的样子。 数据科学家在训练数据方面使用了三种 不同的类别:
- Supervised,根据标记的历史数据(通常由人类注释)对算法进行训练,以尝试预测未来的结果。
- 相比之下,无监督使用算法试图通过自己提取规则或模式来理解的未标记数据。
- 半监督,这是上述两种方法的混合,通常具有未标记数据的优势,以及少量监督(标记)数据。
另一种对算法进行分类的方法——从业务角度来看更实用——是根据它们的工作方式以及它们可以解决的问题类型对它们进行分类,这就是我们在这里要做的。这里也有三个基本类别:回归、聚类和分类算法。下面,我们将详细介绍每一个。
回归算法
基本上有两种我们在业务环境中常见的回归算法。这些都是基于您可能熟悉的统计数据的相同回归。
1. 线性回归
描述得非常简单,线性回归基于一组数据点绘制一条线,称为因变量