目录
一、KNN分类算法与K-means聚类算法
聚类算法的过程:
二、在正则化时不同范数之间的区别
-
L1范数正则化会让参数向量的许多元素趋向于0,使得大部分特征失去对优化目标的贡献,是让有效特征变得稀疏(sparse)的L1正则化。(Lasso)
-
L2范数正则化的结果会让参数向量中的大部分元素都变得很光滑(smooth),压制了参数之间的差异性。(Ridge)
三、监督学习与非监督学习有哪些
监督学习 | 无监督学习 |
---|---|
KNN算法 | 聚类算法(最经典,包括很多聚类算法) |
线性回归算法(Linear Regression) | 主成分分析 (PCA) |
逻辑回归算法(Logistic Regression) | 高斯混合模型 |
支持向量机(Support Vector Machine) | |
决策树和随机森林(Decision Tree and Random Forests) | |
神经网络(Neural Network) |