教育行業(yè)A股IPO第一股(股票代碼 003032)

全國咨詢/投訴熱線:400-618-4000

機(jī)器學(xué)習(xí)中入門級必學(xué)的算法有哪些?

更新時(shí)間:2021年08月26日17時(shí)44分 來源:傳智教育 瀏覽次數(shù):

好口碑IT培訓(xùn)

K-近鄰算法
什么是k-近鄰算法?
機(jī)器學(xué)習(xí)中入門級必學(xué)的算法
就是根據(jù)你的鄰居推斷出你的類別
概念:
K Nearest Neighbor算法又叫KNN算法,這個(gè)算法是機(jī)器學(xué)習(xí)里面一個(gè)比較經(jīng)典的算法, 總體來說KNN算法是相對比較容易理解的算法
定義
如果一個(gè)樣本在特征空間中的k個(gè)最相似(即特征空間中最鄰近)的樣本中的大多數(shù)屬于某一個(gè)類別,則該樣本也屬于這個(gè)類別。
來源:KNN算法最早是由Cover和Hart提出的一種分類算法
距離公式
兩個(gè)樣本的距離可以通過如下公式計(jì)算,又叫歐式距離 ,關(guān)于距離公式會在后面進(jìn)行討論

線性回歸

應(yīng)用場景為:房價(jià)預(yù)測、銷售額度預(yù)測、貸款額度預(yù)測

機(jī)器學(xué)習(xí)中入門級必學(xué)的算法

什么是線性回歸?

(1)定義與公式

線性回歸(Linear regression)是利用回歸方程(函數(shù))對一個(gè)或多個(gè)自變量(特征值)和因變量(目標(biāo)值)之間關(guān)系進(jìn)行建模的一種分析方式。

特點(diǎn):只有一個(gè)自變量的情況稱為單變量回歸,多于一個(gè)自變量情況的叫做多元回歸。

機(jī)器學(xué)習(xí)中入門級必學(xué)的算法

線性回歸用矩陣表示舉例:
那么怎么理解呢?我們來看幾個(gè)例子
期末成績:0.7×考試成績+0.3×平時(shí)成績
房子價(jià)格 = 0.02×中心區(qū)域的距離 + 0.04×城市一氧化氮濃度 + (-0.12×自住房平均房價(jià)) + 0.254×城鎮(zhèn)犯罪率
上面兩個(gè)例子,我們看到特征值與目標(biāo)值之間建立了一個(gè)關(guān)系,這個(gè)關(guān)系可以理解為線性模型。

邏輯回歸

邏輯回歸(Logistic Regression)是機(jī)器學(xué)習(xí)中的一種分類模型,邏輯回歸是一種分類算法,雖然名字中帶有回歸。由于算法的簡單和高效,在實(shí)際中應(yīng)用非常廣泛。
應(yīng)用場景:廣告點(diǎn)擊率、是否為垃圾郵件、是否患病、金融詐騙,虛假賬號。
這里就可以發(fā)現(xiàn)一個(gè)特點(diǎn)了,就是兩個(gè)類別之間都屬于判斷,邏輯回歸就是解決二分類問題的利器。
要想掌握邏輯回歸,必須掌握兩點(diǎn):
邏輯回歸中,其輸入值是什么
如何判斷邏輯回歸的輸出
輸入:
機(jī)器學(xué)習(xí)中入門級必學(xué)的算法
激活函數(shù):sigmoid函數(shù)

判斷標(biāo)準(zhǔn)
回歸的結(jié)果輸入到sigmoid函數(shù)當(dāng)中
輸出結(jié)果:[0, 1]區(qū)間中的一個(gè)概率值,默認(rèn)為0.5為閾值

機(jī)器學(xué)習(xí)中入門級必學(xué)的算法
邏輯回歸最終的分類是通過屬于某個(gè)類別的概率值來判斷是否屬于某個(gè)類別,并且這個(gè)類別默認(rèn)標(biāo)記為1(正例),另外的一個(gè)類別會標(biāo)記為0(反例)。(方便損失計(jì)算)
輸出結(jié)果解釋(重要):假設(shè)有兩個(gè)類別A,B,并且假設(shè)我們的概率值為屬于A(1)這個(gè)類別的概率值?,F(xiàn)在有一個(gè)樣本的輸入到邏輯回歸輸出結(jié)果0.55,那么這個(gè)概率值超過0.5,意味著我們訓(xùn)練或者預(yù)測的結(jié)果就是A(1)類別。那么反之,如果得出結(jié)果為0.3那么,訓(xùn)練或者預(yù)測結(jié)果就為B(0)類別。
關(guān)于邏輯回歸的閾值是可以進(jìn)行改變的,比如上面舉例中,如果你把閾值設(shè)置為0.6,那么輸出的結(jié)果0.55,就屬于B類。
決策樹算法

決策樹思想的來源非常樸素,程序設(shè)計(jì)中的條件分支結(jié)構(gòu)就是if-else結(jié)構(gòu),最早的決策樹就是利用這類結(jié)構(gòu)分割數(shù)據(jù)的一種分類學(xué)習(xí)方法
決策樹:是一種樹形結(jié)構(gòu),其中每個(gè)內(nèi)部節(jié)點(diǎn)表示一個(gè)屬性上的判斷,每個(gè)分支代表一個(gè)判斷結(jié)果的輸出,最后每個(gè)葉節(jié)點(diǎn)代表一種分類結(jié)果,本質(zhì)是一顆由多個(gè)判斷節(jié)點(diǎn)組成的樹。
怎么理解這句話?通過一個(gè)對話例子
機(jī)器學(xué)習(xí)中入門級必學(xué)的算法

上面案例是女生通過定性的主觀意識,把年齡放到最上面,那么如果需要對這一過程進(jìn)行量化,該如何處理呢?

此時(shí)需要用到信息論中的知識:信息熵,信息增益。

集成算法

機(jī)器學(xué)習(xí)中入門級必學(xué)的算法

集成學(xué)習(xí)通過建立幾個(gè)模型來解決單一預(yù)測問題。它的工作原理是生成多個(gè)分類器/模型,各自獨(dú)立地學(xué)習(xí)和作出預(yù)測。這些預(yù)測最后結(jié)合成組合預(yù)測,因此優(yōu)于任何一個(gè)單分類的做出預(yù)測。

聚類算法

機(jī)器學(xué)習(xí)中入門級必學(xué)的算法
實(shí)際應(yīng)用:
用戶畫像,廣告推薦,Data Segmentation,搜索引擎的流量推薦,惡意流量識別
基于位置信息的商業(yè)推送,新聞聚類,篩選排序
圖像分割,降維,識別;離群點(diǎn)檢測;信用卡異常消費(fèi);發(fā)掘相同功能的基因片段
聚類算法:
一種典型的無監(jiān)督學(xué)習(xí)算法,主要用于將相似的樣本自動歸到一個(gè)類別中。
在聚類算法中根據(jù)樣本之間的相似性,將樣本劃分到不同的類別中,對于不同的相似度計(jì)算方法,會得到不同的聚類結(jié)果,常用的相似度計(jì)算方法有歐式距離法。







猜你喜歡:

什么是聚類算法?【機(jī)器學(xué)習(xí)入門】

Python機(jī)器學(xué)習(xí)入門教程全套視頻下載【傳智播客】

完整機(jī)器學(xué)習(xí)項(xiàng)目的流程介紹

傳智教育ai人工智能培訓(xùn)

0 分享到:
和我們在線交談!