机器学习中的名词释义（一）

最新推荐文章于 2023-03-21 09:18:40 发布

繁华三千东流水

最新推荐文章于 2023-03-21 09:18:40 发布

阅读量456

点赞数

分类专栏：机器学习算法思想及代码实现文章标签：机器学习基础名词释义

本文链接：https://blog.csdn.net/qq872890060/article/details/98208352

版权

机器学习算法思想及代码实现专栏收录该内容

57 篇文章 17 订阅

订阅专栏

本文介绍了人工智能、机器学习和深度学习的基本概念，包括监督学习、无监督学习、半监督学习和强化学习等学习方法。此外，还涵盖了集成学习、知识图谱和推荐系统等重要概念。在模型和算法部分，讨论了二分类、多分类、回归任务以及各种分类和回归模型，如SVM、逻辑回归和决策树。最后提到了大数据生态中的Hadoop、Spark以及数据收集和存储工具。

摘要由CSDN通过智能技术生成

                    
                        
                    
                    人工智能——AI（artificial intelligence）
机器学习——ML（Machine Learning）
深度学习——DL（Deep Learning）
监督学习——Supervised Learning
无监督学习——Unsupervised Learning
半监督学习——Semi-supervised Learning
强化学习——Reinforcement Learning
集成学习——Ensemble Learning
知识图谱——Konwledge Representation
推荐系统——Recommender Systems
二分类——Binary Classification
多分类——Multiclass Classification
回归——Regression
线性SVM——linear Svms
逻辑回归——logistic regression
决策树——decision trees
随机森林——random forests
梯度提升树（GBDT）——gradient- boosted trees
朴素贝叶斯——naive Bayes
线性最小二乘回归——linear least squares
套索回归——Lasso
岭回归——ridge regression
保序回归——isotonic regression
大数据生态圈（计算机集群）——hadoop
分布式存储——HDFS
计算引擎——MapReduce（基于磁盘读写）
火花库——spark（基于内存计算）
K均值聚类——K-Means
高斯混合模型GMM—— Gaussian mixture
LDA——Latent Dirichlet allocation
决策树的核心算法——C4.5
分类与回归树——CART
K邻近分类算法——KNN
贝叶斯模型——NaiveBayes
支持向量机——SVM
最大期望算法——EM
关联规则挖掘算法——Apriorifp-growth
Google搜索重要算法之一——PageRank
迭代算法——AdaBoost
数据收集方式——Flume & Kafka
存储设施——mysql、HDFS、HBase、Kafka、Redis等

                