有监督学习:在特定数据集有标注的情况下,需要对其他实例进行预测。
无监督学习:给定未标记的数据集。
强化学习:介于这两者之间,每种预测步骤或动作都有一定形式的反馈,单数没有精确的标签或错误信息。
监督学习
0.knn
1.决策树:分为回归树跟分类树。
2.朴素贝叶斯分类器:
3.普通最小二乘法:
4.逻辑回归:
5.支持向量机:二元分类算法。给定N维空间中两种类型的点,SVM生成(N-1)维的超平面将这些点分成2组。
6.集成方法:构建一组分类器的学习算法,然后通过对齐预测进行加权投票来对新的数据点进行分类。如:boosting。
8.神经网络
9.LDA
10.FIsher
无监督学习
11.聚类算法:聚类是对一组对象进行分组的任务,使得同一组中的对象彼此之间比其他组中的对象更相似。
可分为基于Centroid的算法,基于连接的算法,基于密度的算法,概率,降维,神经网络/深度学习。
12.主成分分析(PCA):实质是降维。
9.奇异值分解:
10.独立成分分析: