一文简介常见的机器学习算法

  1. 云栖社区>
  2. 量子位>
  3. 博客>
  4. 正文

一文简介常见的机器学习算法

行者武松 2018-01-01 16:04:00 浏览541
展开阅读全文
本文来自AI新媒体量子位(QbitAI)

e206f3c2b1b8aed6125d72af19c928af6ae5cacd

所谓机器学习算法就是一个假设集合,用于找到最优模型。机器学习算法可以分为三大类。

  • 监督学习:输入特征和输出标签都被定义
  • 无监督学习:数据集未标注,目标是发现隐藏关系
  • 强化学习:某种形式的反馈回路,有些参数需要优化

这篇文章尝试对一些常见和流行的机器学习算法,进行简单的介绍。

普通最小二乘线性回归

5031c25136ad255caa884336baeb49d86973deba

  • 线性回归的目标,是拟合一条线,穿过训练集数据分布的区域,并且与大多数点的距离最短
  • 在简单线性回归中,回归线最小化与各点距离的总和,即“残差平方”的总和。因此,这种方法也被称为“普通最小二乘”
  • 在多维数据的情况下,也可以实现线性回归。不过在这种情况夏,“线”只是维度为N-1的高维平面,而N是数据集的维度

逻辑回归

e3219ab32340a4801ac8fa81ab49117264f507ed

  • 逻辑回归虽然名为回归,但其实是一种分类技术
  • 与线性回归相反,逻辑回归不假设自变量和因变量之间存在线性关系。不过

网友评论

登录后评论
0/500
评论
行者武松
+ 关注
所属云栖号: 量子位