机器学习算法总结

一、所用到第三方库

    Numpy：科学计算库

    Pandas：数据分析处理库

    Matplotlib：数据可视化库

   Scikit-learn：机器学习库

二、线性回归

三、人工神经网络

四、K-Means聚类

五、决策树

六、NaiveBayes (朴素贝叶斯)

      用这个算法最常见的场景就是针对垃圾邮件的分类判断；即，判断P(‘垃圾邮件’|‘具有某种特征’)  是否大于1/2。

七、分类回归树CART

八、最近邻算法——KNN 算法 

    KNN 算法本身简单有效，它是一种 lazy-learning 算法。
    分类器不需要使用训练集进行训练，训练时间复杂度为0。
   KNN 分类的计算复杂度和训练集中的文档数目成正比，也就是说，如果训练集中
   文档总数为 n，那么 KNN 的分类时间复杂度为O(n)

九、线性回归算法（Linear Regression）

十、Logistic Regression（逻辑回归）

十一、SVM支持向量机

  SVM 想要的就是找到各类样本点到超平面的距离最远，也就是找到最大间隔超平面。