本文介绍了人工智能领域的十个常用算法，包括决策树、随机森林、逻辑回归、SVM、朴素贝叶斯、K最近邻、K均值、Adaboost、神经网络和马尔可夫。每个算法都有简要说明，例如决策树是根据特征进行分类，随机森林是通过多个决策树的多数投票确定分类，逻辑回归用于处理概率预测问题，SVM寻找最佳超平面以最大化分类间隔等。
根据一些 feature 进行分类，每个节点提一个问题，通过判断，将数据分为两类，再继续提问。这些问题是根据已有数据学习出来的，再投入新数据的时候，就可以根据这棵树上的问题，将数据划分到合适的叶子上。
如果你觉得这篇文章看起来稍微还有些吃力，或者想要更系统地学习人工智能，那么推荐你去看床长人工智能教程。非常棒的大神之作，教程不仅通俗易懂，而且很风趣幽默。点击这里可以查看教程。
2. 随机森林
在源数据中随机选取数据，组成几个子集
S 矩阵是源数据，有 1-N 条数据，A B C 是feature，最后一列C是类别
由 S 随机生成 M 个子矩阵
这 M 个子集得到 M 个决策树
将新数据投入到这 M 个树中，得到 M 个分类结果，计数看预测成哪一类的数目最多，就将此类别作为最后的预测结果
3. 逻辑回归
当预测目标是概率这样的，值域需要满足大于等于0，小于等于1的，这个时候单纯的线性模型是做不到的，因为在定义域不在某个范围之内时，值域也超出了规定区间。
所以此时需要这样的形状的模型会比较好
最低0.47元/天 解锁文章
扫一扫
89
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
