机器学习分类
2023-09-14 09:08:40 时间
1. Supervised Learning 监督学习:通过已标注的数据,来判断已有的数据
2. Unsupervised Learning 无监督学习:通过判断的数据的关键特征,来自动分类
应用:
图像分析
计算机视觉
语言分析
生物监测
机器控制
经验科学
智能健康
过程:
建模,训练数据集,提取关键特征
方法:
SVM 支持向量机
Neural networks 神经网络
Naive Bayes 朴素贝叶斯
Bayesian network 贝叶斯网络
Loginstic regression loginstic回归
Randomized Forests 随机森林
Boosted Decision Trees 提高决策树
K-nearest neighbor k-近邻
RBMs 限制波尔兹机
Clustering 聚类方法:
泛化:
需要解决过拟合问题,反向问题
卷积神经网络:
最初是受视觉神经机制的启发而设计的,为了识别二维形状而设计的多层感知器。
对平移、比例缩放、倾斜或者其他形式的变形具有高度的不变性。
特点:非全连接(Sparse Connection),权重是共享(Shared Weights)
应用:语音、图像处理
相关文章
- 【机器学习】K-Means聚类算法原理
- 【华为云分享】机器学习笔记(七) ---- 贝叶斯分类
- 机器学习算法在用户行为检测(UBA)领域的应用
- 大叔算法分享(6)机器学习概览
- 机器学习的几种主要学习方法
- 机器学习入门11 - 逻辑回归 (Logistic Regression)
- 机器学习笔记:常用数据集之scikit-learn生成分类和聚类数据集
- 机器学习笔记 - 使用Face recognition、OpenCV、Python进行人脸识别
- 机器学习笔记 - 在逻辑回归中使用分类权重处理不平衡数据
- 机器学习笔记 - 学习使用TensorFlow和张量处理单元 (TPU) 构建图像分类模型
- 机器学习笔记 - 深度学习常见问题三
- AI之FL:联邦学习(Federated Learning,分布式机器学习技术)的分类详解(纵向联邦学习/横向联邦学习)、使用方法、实战案例之详细攻略
- AI之FL:联邦学习(Federated Learning,分布式机器学习技术)的分类详解(纵向联邦学习/横向联邦学习)、使用方法、实战案例之详细攻略
- 机器学习(三十九):遗传算法对机器学习(分类)模型的寻优
- 机器学习笔记(五)---- 决策树
- 机器学习笔记(四)---- 逻辑回归的多分类
- 机器学习时显卡频率莫明其妙的降低了?
- 【阶段三】Python机器学习16篇:机器学习项目实战:集成模型介绍、随机森林模型的基本原理与随机森林分类模型
- 【机器学习】面试问答:PCA算法介绍?PCA算法过程?PCA为什么要中心化处理?PCA为什么要做正交变化?PCA与线性判别分析LDA降维的区别?
- 【机器学习】用 EM 算法推导解释 Kmeans?(面试回答)
- Chapter4 利用机器学习解决分类和回归问题