【AI理论学习】机器学习算法的分类
2023-09-11 14:22:07 时间
机器学习算法
·机器学习算法,是一类从数据中自动分析获得规律,并利用规律对未知数据进行预测的方法。
·可以分成下面几种类别:
1.监督学习
2.无监督学习
3.强化学习
1. 监督学习
·监督学习:是从有标记的训练数据中学习一个函数,形式上就是模型参数,然后根据这个函数对未知样本进行预测。
·函数的输入:是某一样本的特征;
·函数的输出:是这一样本对应的标签结果。
·常见的监督学习算法包括:【回归分析】和【统计分类】。
·监督学习包含【分类】和【数字预测】两大类别,
前者包括:逻辑回归、决策树、KNN、随机森林、支持向量机、朴素贝叶斯等。
后者包括:线性回归、KNN、Gradient Boosting 和 AdaBoost 等。
2. 无监督学习
·无监督学习:又称为非监督式学习,它的输入样本不需要标记,而是自动从样本中学习特征实现预测。
·常见的无监督学习算法有:【聚类】和【关联分析】等。
·在人工神经网络中,自组织映射(SOM)和适应性共振理论(ART)是最常用的无监督学习。
3. 强化学习
·强化学习:是通过观察来学习做成什么样的动作。每个动作都会对环境有所影响,学习对象根据观察到的周围环境的反馈来做出判断。
·强化学习,强调如何基于环境而行动,以取得最大化的预期利益。
其灵感来源于心理学中的行为主义理论,即 有机体如何在环境中给予的奖励或惩罚的刺激下,逐步形成对刺激的预期,产生能获得最大利益的习惯性行为。
·根据机器学习的任务分类,可以分为:【回归】、【分类】、【聚类】三大常见机器学习任务。
·某些机器学习算法可能同时属于不同的分类,如深度学习算法可能存在于监督学习,也可能用于强化学习,在实践过程中可依据实际需要进行选择。
——————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————
·熟悉各类分析方法的特性是分析方法选择的基础。
1.不仅需要了解如何使用各类分析算法,还要了解其实现的原理,这样才能在参数优化和模型改进时减少无效的调整。
2.在选择模型之前要对数据进行探索分析,了解数据类型和数据特点,发现各自变量之间的关系以及自变量与因变量的关系,
特别注意在维度较多时容易出现变量的多重共现性问题,可应用箱图、直方图、散点图查找其中的规律性信息。
·模型选择过程中先提出多个可能下的模型,然后对其进行详细分析,并选择其中可用于分析的模型。
1.在自变量选择时,大多数情况下需要结合业务来手动选择自变量。
2.在选择模型后,比较不同模型的拟合程度,可统计显著性参数、R^2、调整R^2、最小信息标准、BIC和误差准则、Mallow's Cp准则等。
在单个模型中可将数据分为训练集和测试集,用来做交叉验证并分析结果的稳定性。
反复调整参数使模型趋于稳定和高效。
相关文章
- 神经网络与机器学习 笔记—LMS(最小均方算法)和学习率退火
- (《机器学习》完整版系列)第4章 线性模型——4.5 决策树算法中涉及的准则(叶子、划分、剪枝)
- (《机器学习》完整版系列)附录 ——1、向量与矩阵(学习一些公式及其推导技巧)
- (《机器学习》完整版系列)第13章 半监督学习——13.4 正则式框架(标记传播算法迭代式的另一个推导)
- (《机器学习》完整版系列)第10章 降维与度量学习——10.8 流形学习(等度量映射Isomap算法、局部线性嵌入LLE算法)
- (《机器学习》完整版系列)第9章 聚类——9.2 k均值算法、学习向量量化算法(在类标记的指导下进行聚类)
- 偏差(Bias)和方差(Variance)——机器学习中的模型选择zz
- [吴恩达机器学习笔记]15非监督学习异常检测4-6构建与评价异常检测系统
- Stanford大学机器学习公开课(三):局部加权回归、最小二乘的概率解释、逻辑回归、感知器算法
- 机器学习笔记之正则化(五)Dropout
- 【云周刊】第118期:利用阿里云机器学习在深度学习框架下实现智能图片分类
- 《数字图像处理与机器视觉——Visual C++与Matlab实现》——0.2 数字图像处理与识别
- 《数字图像处理与机器视觉——Visual C++与Matlab实现》导读
- 【毕业设计_课程设计】基于机器学习的情感分类与分析算法设计与实现(源码+论文)
- 机器学习算法归类与汇总
- 机器学习算法与Python实践之(四)支持向量机(SVM)实现
- 【历史上的今天】5 月 11 日:Dijkstra 算法开发者诞生;电子表格软件的开山鼻祖;机器狗 AIBO 问世
- jenkins:构建机器为windows,部署机器为linux
- 谷歌公司利用机器学习技术帮助市场营销人员改善广告追踪能力与效果
- 机器学习中的梯度下降算法(BGD,SGD,MBGD)
- 吴恩达机器学习笔记2--回归、分类问题(未看完)