常用机器学习算法小结
1、简介
机器学习是一门多领域交叉学科,该领域的主要研究对象是人工智能。我们总结归纳了常用机器学习算法之间的关系(图1),并对其核心思想进行了概况。
图1 常用机器学习算法
2、算法核心思想
1)KNN
核心:将样本分到离它距离最近的样本所属的类。
2)决策树
核心:一组嵌套的判定规则。
3)贝叶斯分类器
核心:将样本判定为后验概率最大的类。
4)SVM
核心:最大化分量间隔的线性分类器。
5)Logistic回归
核心:直接从样本估计出它属于正负样本的概率。
6)AdaBoost
核心:用多个分类器的线性组合来预测,训练时重点关注错分的样本,准确率高的弱分类器权重大。
7)K-means
核心:把样本分配到离它最近的类中心所属的类,类中心由属于这个类的所有样本确定。
8)EM
核心:基于模型的聚类方法,在概率模型中寻找参数最大似然估计。
9)DBSCAN
核心:定义一个密度,然后把密度相近的且靠的较近的点(密度可达)逐渐合并成一个簇。
10)Apriori
核心:基于两阶段频集思想的递推算法。
11)FP-growth
核心:包括构建FP树和从FP树中挖掘频繁项集两个部分。
(本文部分内容来自https://ixyzero.com/blog/zrchives/4543.html)
赞 (0)