人工智能算法总结（3）

1. 梯度下降

a.原理:

通过学习率与学习方向来调整回归系数

b.api:

from sklearn.linear_model import SGDRegressor

fit

predict

c.损失

api:

from sklearn.metrics import mean_squared_error

2. 决策树算法

a. 原理:

古典的if else 条件结构

b. 信息熵:

信息的作用: 减少不确定性

c. 信息增益

g(D,A) = H(D) - H(D\A)

d.api:

位置: from sklearn.tree import DecisionTreeClassifier

估计器对应方法:

fit

predict

score

3. 字典类的特征抽取

a. 原理:

将数据中的字符串配合key 组成新的特征

b. api:

转换器

from sklearn.feature_extraction import DictVectorizer

fit

transform

fit_transform

4. 特征降维

a.定义:

高维数据向低维数据转换的过程: 得到一组不相关的数据

b.包含内容:

i. 特征选择

1).去除掉方法低的 特征, 不会改变原有特征的值

ii.主成分分析

1).在特征降维的过程中会产生新的特征值

api: from sklearn.decomposition import PCA

5. kmeans 算法

a.算法步骤

i. 随机选取要聚的类别个点

ii. 对所有数据通过距离进行同化

iii. 在同化的范围内 选取中心点 重复第二部,直到上一次选择的中心点与

这一次选择的中心点相同

b. api:

from sklearn.cluster import KMeans

6. 环境安装 tensorflow

pip install tensorflow