机器学习算法

k近邻:算法提取样本最相似对象(最近邻)的分类标签 from sklearn.neighbors import KNeighborsClassifier#k近邻

线性回归:假设目标值与特征之间线性相关，即满足一个多元一次方程。通过构建损失函数，来求解损失函数最小时的参数w和b
from sklearn.linear_model import LinearRegression

逻辑斯蒂回归:分类问题 将线性模型的输出值套上一个函数进行分割，大于z的判定为0，小于z的判定为1 from sklearn.linear_model import LogisticRegression

岭回归：为了解决线性回归出现的过拟合 在线性回归的基础上添加正则化参数所得from sklearn.linear_model import Ridge

随机森林：通过集成学习的思想将多棵决策树集成的一种算法 他的单位是决策树 from sklearn.ensemble import RandomForestClassifier

决策树:用信息增益/信息增益比/基尼指数 来对对象属性进行多层if-else判断 from sklearn.tree import DecisionTreeClassifier

朴素贝叶斯：对条件独立性的假设 B事件发生之前，对A事件概率的一个判断 from sklearn.naive_bayes import GaussianNB

聚类：它是一种无监督学习算法，目的是将相似的对象归到同一个蔟中。蔟内的对象越相似，聚类的效果就越好 from sklearn.cluster import KMeans

tensorflow：神经网络 import tensorflow as if

支持向量机：寻找一个最优分割面，使得分类分类间隔最大化 所有样本与分割超平面的距离尽可能远 from sklearn.svm import SVC