[机器学习笔记] 常用的分类与预测算法

最新推荐文章于 2023-03-09 13:53:45 发布

梅森上校

最新推荐文章于 2023-03-09 13:53:45 发布

阅读量2.8k

点赞数 1

分类专栏：机器学习（ML）

本文为博主原创文章，未经博主允许不得转载。

本文链接：https://blog.csdn.net/seagal890/article/details/105189389

版权

本文探讨了常用的分类与预测算法，重点聚焦在回归分析上。介绍了回归模型的主要分类，包括线性回归和非线性回归，并讨论了在自变量存在多重共线性时，如何使用岭回归和主成分回归进行参数改进的估计。

摘要由CSDN通过智能技术生成

算法名称	算法描述
回归分析	回归分析是确定预测属性（数值型）与其它变量间相互依赖的定量关系最常用的统计学方法。包括：线性回归、非线性回归、Logistic回归、岭回归、主成分回归、偏最小二乘回归等模型。
决策树	决策树采用自顶向下的递归方式，在内部节点进行属性值的比较，并根据不同的属性值从该节点向下分支，最终得到的叶子节点是学习划分的类
人工神经网络	人工神经网络是一种模仿大脑神经网络结构和功能而建立的信息处理系统，表示神经网络的输入与输出变量之间关系的模型
贝叶斯网络	贝叶斯网络又称信度网络，是Bayes方法的扩展，是目前不确定知识表述和推理领域最有效的理论模型之一
支持向量机	支持向量机是一种通过某种非线性映射，把低维的非线