机器学习十大算法

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：