进修！呆板进修算法优弱点综述

利益/弱点：见神经收集

支持向量机（Support Vector Machines）

给定一组实习事例，个中每个事例都属于两个种别中的一个，支持向量机（SVM）逊?с法可以在被输入新的事例后将其分类到两个种别中的一个，使自身成为非概率二进制线性分类器。

SVM 模子将实习事例暗示为空间中的点，它们被映射到一幅图中，由一条明晰的、尽也许宽的隔断分隔以区分两个种别。

随后，新的示例会被映射到统一空间中，并基于它们落在隔断的哪一侧来猜测它属于的种别。

利益：

 在非线性可分题目上示意优越

弱点：

 很是难以实习  很难表明

降维算法（Dimensionality Reduction Algorithms）

和集簇要领相同，降维追求并操作数据的内涵布局，目标在于行使较少的信息总结或描写数据。

这一算法可用于可视化高维数据或简化接下来可用于监视进修中的数据。很多这样的要领可针对分类和回归的行使举办调解。

例子：

 主因素说明（Principal Component Analysis (PCA)）  主因素回归（Principal Component Regression (PCR)）  偏最小二乘回归（Partial Least Squares Regression (PLSR)）  Sammon 映射（Sammon Mapping）  多维标准调动（Multidimensional Scaling (MDS)）  投影寻踪（Projection Pursuit）  线性鉴别说明（Linear Discriminant Analysis (LDA)）  殽杂鉴别说明（Mixture Discriminant Analysis (MDA)）  二次鉴别说明（Quadratic Discriminant Analysis (QDA)）  机动鉴别说明（Flexible Discriminant Analysis (FDA)）

利益：

 可处理赏罚大局限数据集  无需在数据长举办假设

弱点：

 难以搞定非线性数据  难以领略功效的意义

聚类算法（Clustering Algorithms）

聚类算法是指对一组方针举办分类，属于统一组（亦即一个类，cluster）的方针被分别在一组中，与其他组方针对比，统一组方针越发相相互似（在某种意义上）。

例子：

 K-均值（k-Means）  k-Medians 算法  Expectation Maximi 封层 ation (EM)  最大祈望算法（EM）  分层集群（Hierarchical Clstering）

利益：

 让数据变得故意义

弱点：

 功效难以解读，针对不通俗的数据组，功效也许无用。

基于实例的算法（Instance-based Algorithms）

基于实例的算法（偶然也称为基于影象的进修）是这样学 习算法，不是明晰归纳，而是将新的题目例子与实习进程中见过的例子举办比拟，这些见过的例子就在存储器中。

之以是叫基于实例的算法是由于它直接从实习实例中建构出假设。这意味这，假设的伟大度能跟着数据的增添而变革：最糟的环境是，假设是一个实习项目列表，分类一个单独新实例计较伟大度为 O（n）

例子：

 K 最近邻（k-Nearest Neighbor (kNN)）  进修向量量化（Learning Vector Quantization (LVQ)）  自组织映射（Self-Organizing Map (SOM)）  局部加权进修（Locally Weighted Learning (LWL)）

利益：

 算法简朴、功效易于解读

弱点：

 内存行使很是高  计较本钱高  不行能用于高维特性空间

贝叶斯算法（Bayesian Algorithms）

贝叶斯要领是指明晰应用了贝叶斯定理来办理如分类和回归等题目的要领。

例子：

 朴实贝叶斯（Naive Bayes）  高斯朴实贝叶斯（Gaussian Naive Bayes）  多项式朴实贝叶斯（Multinomial Naive Bayes）  均匀同等依靠预计器（Averaged One-Dependence Estimators (AODE)）  贝叶斯信心收集（Bayesian Belief Network (BBN)）  贝叶斯收集（Bayesian Network (BN)）

利益：

快速、易于实习、给出了它们所需的资源能带来精采的示意

弱点：

 假如输入变量是相干的，则会呈现题目

关联法则进修算法（Association Rule Learning Algorithms）

关联法则进修要领可以或许提取出对数据中的变量之间的相关的最佳表明。好比说一家超市的贩卖数据中存在法则 {洋葱，土豆}=> {汉堡}，那声名当一位客户同时购置了洋葱和土豆的时辰，他很有也许还会购置汉堡肉。

例子：

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!