监督式学习、 非监督式学习、强化学习

Table of Contents

广义上来说,有3种机器学习算法

1. 监督式学习(Supervised Learning)

2. 非监督式学习(Unsupervised Learning)

3. 强化学习(Reinforcement Learning)

常见机器学习算法列表


广义上来说,有3种机器学习算法

1. 监督式学习(Supervised Learning)

工作机制:该算法由一个目标/结果变量(或因变量)组成,该变量由已知的一系列预测变量(自变量)计算而来。利用这一系列变量,我们生成一个将输入值映射到所需输出值的函数。该训练过程会持续进行,直到模型在训练数据上达到预期精确度。监督式学习的例子有:回归(Regression)、决策树(Decision Tree)、随机森林(Random Forest)、K最近邻(KNN)、逻辑回归(Logistic Regression)等等。

2. 非监督式学习(Unsupervised Learning)

工作机制:在该算法中,我们不预测或估计任何目标变量或结果变量。此算法用于不同组内的聚类分析,被广泛用于对不同群体的客户进行细分,从而进行特定的干预。非监督式学习的例子有:Apriori算法、K–均值算法。

3. 强化学习(Reinforcement Learning)

工作机制:该算法能够训练机器进行决策。其工作原理为:让机器处于一个能够通过反复试错来训练自己的环境中。机器从过去的经验中进行学习,并试图通过学习最合适的知识来作出精准的商业判断。强化学习的例子有:马尔可夫决策过程(Markov Decision Process)。

常见机器学习算法列表

下面是一些常用的机器学习算法。这些算法几乎可以应用于所有数据问题:

1.  线性回归(Linear Regression)

2.  逻辑回归(Logistic Regression)

3.  决策树(Decision Tree)

4.  SVM

5.  朴素贝叶斯(Naive Bayes)

6.  K最近邻(kNN)

7.  K均值算法(K-Means)

8.  随机森林(Random Forest)

9.  降维算法(Dimensionality Reduction Algorithms)

10.  梯度提升算法(Gradient Boosting algorithms)

[1]    GBM

[2]    XGBoost

[3]    LightGBM

[4]    CatBoost

来源,侵删:https://mp.weixin.qq.com/s/bB7583hMU9DGIc4-PMMQXw

已标记关键词 清除标记
©️2020 CSDN 皮肤主题: 酷酷鲨 设计师:CSDN官方博客 返回首页