什么是机器学习
机器学习是选取一系列算法、模型,通过挖掘大量的数据并对其进行清洗、特征标注即((训练集))对所选取的算法、模型进行训练学习,使得所训练的模型具有一定的预测能力,能够实现对新的样本数据集测试集达到近乎接近与训练集的效果(泛化能力)。
机器学习基本术语
机器学习流程步骤
- 选择合适的数据集(包括训练集、测试集)
- 选择一个合适的模型对数据集进行训练;
- 通过衡量标准(**查准率、查全率、F1、ROC和AUC曲线、损失函数等验证所采用的模型的预测、识别等效果;
- 通过训练集训练的模型,在测试集上进行验证;
机器学习算法
1.线性回归 (Linear Regression)
2.逻辑回归 (Logistic Regression)
3.决策树 (Decision Tree)
4.支持向量机(SVM)
5.朴素贝叶斯 (Naive Bayes)
6.K邻近算法(KNN)
7.K-均值算法(K-means)
8.随机森林 (Random Forest)
9.降低维度算法(Dimensionality Reduction Algorithms)
10.Gradient Boost和Adaboost算法
详细介绍博客来源链接