机器学习算法分类-总览

目录

一、机器学习算法类型

1. 监督学习(Supervised Learning)

2.无监督学习(Unsupervised Learning)

3.强化学习(Reinforcement Learning)

4.神经网络与深度学习(Neural Networks and Deep Learning)

5.集成学习(Ensemble Learning)

二、分类、回归、聚类、降维的区别

1.分类&回归(Classification & Regression)

2.聚类(Clustering)

3.降纬(Dimensionality Reduction)

 

一、机器学习算法类型

---

机器学习算法分类

1. 监督学习(Supervised Learning)

该算法由一个目标/结果变量（或因变量）组成，该变量将从给定的一组预测变量（自变量）中预测。使用这些变量集，我们生成一个将输入映射到所需输出的函数。训练过程继续进行，直到模型在训练数据上达到所需的准确度。

• 回归(Regression)

  • 线性回归(Linear Regression)

  • 多项式回归(Polnomial Regression)

  • 岭/Lasson回归(Ridge/Lasson Regression)

• 分类(Classfication)

  • K近邻(K-NN)

  • 朴素贝叶斯(Naive Bayes)

  • 逻辑回归(Logistic Regression)

  • 支持向量机(SVM)

  • 决策树(Decision Trees)

2.无监督学习(Unsupervised Learning)

在此算法中，我们没有任何目标或结果变量来进