立即注册
查看: 2818|回复: 20

[经验分享] 10个最常用的机器学习算法详解

已绑定手机
发表于 2021-4-7 09:23:38 | 显示全部楼层 |阅读模式 来自 广东省深圳市
对于渴望了解机器学习基础知识的机器学习新人来说,这儿有份数据科学家使用的十大机器学习算法,为你介绍这十大算法的特性,便于大家更好地理解和应用,赶紧来学习一下吧。

1、线性回归
线性回归可能是统计学和机器学习中最知名和最易理解的算法之一。由于预测建模主要关注最小化模型的误差,或者以可解释性为代价来做出最准确的预测。 我们会从许多不同领域借用、重用和盗用算法,其中涉及一些统计学知识。线性回归用一个等式表示,通过找到输入变量的特定权重(B),来描述输入变量(x)与输出变量(y)之间的线性关系。
1.jpg
举例:y = B0 + B1 * x
给定输入x,我们将预测y,线性回归学习算法的目标是找到系数B0和B1的值。可以使用不同的技术从数据中学习线性回归模型,例如用于普通最小二乘和梯度下降优化的线性代数解。线性回归已经存在了200多年,并且已经进行了广泛的研究。 如果可能的话,使用这种技术时的一些经验法则是去除非常相似(相关)的变量并从数据中移除噪声。 这是一种快速简单的技术和良好的第一种算法。

2、逻辑回归
逻辑回归是机器学习从统计领域借鉴的另一种技术。 这是二分类问题的专用方法(两个类值的问题)。逻辑回归与线性回归类似,这是因为两者的目标都是找出每个输入变量的权重值。 与线性回归不同的是,输出的预测值得使用称为逻辑函数的非线性函数进行变换。逻辑函数看起来像一个大S,并能将任何值转换为0到1的范围内。这很有用,因为我们可以将相应规则应用于逻辑函数的输出上,把值分类为0和1(例如,如果IF小于0.5,那么 输出1)并预测类别值。
2.jpg
由于模型的特有学习方式,通过逻辑回归所做的预测也可以用于计算属于类0或类1的概率。这对于需要给出许多基本原理的问题十分有用。与线性回归一样,当你移除与输出变量无关的属性以及彼此非常相似(相关)的属性时,逻辑回归确实会更好。 这是一个快速学习和有效处理二元分类问题的模型。


更多内容请下载附件查看
游客,如果您要查看本帖隐藏内容请回复



已绑定手机
发表于 2021-11-1 11:40:05 | 显示全部楼层 来自 广东省深圳市
谢谢分享算法的资料
已绑定手机
发表于 2022-1-11 09:03:35 | 显示全部楼层 来自 湖北省武汉市
感谢分享
已绑定手机
发表于 2022-1-21 20:02:23 | 显示全部楼层 来自 北京市
感谢分享
已绑定手机
发表于 2022-1-24 14:32:49 | 显示全部楼层 来自 北京市
goodgoodgoodgoodgoodgoodgoodgoodgoodgoodgood
已绑定手机
发表于 2022-3-16 10:03:50 | 显示全部楼层 来自 湖南省娄底市
新人报道,请多多关照!!!
发表于 2022-3-28 00:22:33 | 显示全部楼层 来自 台湾省新北市
感謝分享
已绑定手机
发表于 2022-4-9 16:09:32 | 显示全部楼层 来自 浙江省
谢谢分享
已绑定手机
发表于 2022-4-10 12:12:07 | 显示全部楼层 来自 福建省厦门市
感谢分享!
已绑定手机
发表于 2022-4-11 09:46:32 | 显示全部楼层 来自 贵州省贵阳市
感谢分享,回复查看一下内容
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

合作/建议

TEL: 19168984579

工作时间:
周一到周五 9:00-11:30 13:30-19:30
  • 扫一扫关注公众号
  • 扫一扫打开小程序
Copyright © 2013-2024 一牛网 版权所有 All Rights Reserved. 帮助中心|隐私声明|联系我们|手机版|粤ICP备13053961号|营业执照|EDI证
在本版发帖搜索
扫一扫添加微信客服
QQ客服返回顶部
快速回复 返回顶部 返回列表