机器学习常见算法分类汇总大全

基于实例的算法经常用来对决定题目成立模子，这样的模子经常先选取一批样本数据，然后按照某些近似性把新数据与样本数据举办较量。通过这种方法来探求最佳的匹配。因此，基于实例的算法经常也被称为“赢家通吃”进修可能“基于影象的进修”。常见的算法包罗 k-Nearest Neighbor(KNN), 进修矢量量化（Learning Vector Quantization， LVQ），以及自组织映射算法（Self-Organizing Map ， SOM）。

2.3 正则化要领

正则化要领是其他算法（凡是是回归算法）的延长，按照算法的伟大度对算法举办调解。正则化要领凡是对简朴模子予以嘉奖而对伟大算法予以处罚。常见的算法包罗：Ridge Regression， Least Absolute Shrinkage and Selection Operator（LASSO），以及弹性收集（Elastic Net）。

2.4 决定树进修

决定树算法按照数据的属性回收树状布局成立决定模子， 决定示范子经常用来办理分类和回归题目。常见的算法包罗：分类及回归树（Classification And Regression Tree， CART）， ID3 (Iterative Dichotomiser 3)， C4.5， Chi-squared Automatic Interaction Detection(CHAID), Decision Stump, 随机丛林（Random Forest）， 多元自顺应回归样条（MARS）以及梯度推进机（Gradient Boosting Machine， GBM）

2.5 贝叶斯要领

贝叶斯要领算法是基于贝叶斯定理的一类算法，首要用来办理分类和回归题目。常见算法包罗：朴实贝叶斯算法，均匀单依靠预计（Averaged One-Dependence Estimators， AODE），以及Bayesian Belief Network（BBN）。

2.6 基于核的算法

基于核的算法中最闻名的莫过于支持向量机（SVM）了。 基于核的算法把输入数据映射到一个高阶的向量空间， 在这些高阶向量空间里， 有些分类可能回归题目可以或许更轻易的办理。 常见的基于核的算法包罗：支持向量机（Support Vector Machine， SVM）， 径向基函数（Radial Basis Function ，RBF)， 以及线性鉴别说明（Linear Discriminate Analysis ，LDA)等。

2.7 聚类算法

聚类，就像回归一样，偶然辰人们描写的是一类题目，偶然辰描写的是一类算法。聚类算法凡是凭证中心点可能分层的方法对输入数据举办合并。以是的聚类算法都试图找到数据的内涵布局，以便凭证最大的配合点将数据举办归类。常见的聚类算法包罗 k-Means算法以及祈望最大化算法（Expectation Maximization， EM）。

2.8 关联法则进修

关联法则进修通过探求最可以或许表明数据变量之间相关的法则，来找出大量多元数据齐集有效的关联法则。常见算法包罗 Apriori算法和Eclat算法等。

2.9 遗传算法（genetic algorithm）

遗传算法模仿生物繁殖的突变、互换和达尔文的天然选择（在每生平态情形中适者保留）。它把题目也许的解编码为一个向量，称为个别，向量的每一个元素称为基因，并操作方针函数（响应于天然选择尺度）对群体（个另外荟萃）中的每一个个别举办评价，按照评代价（顺应度）对个别举办选择、互换、变异等遗传操纵，从而获得新的群体。遗传算法合用于很是伟大和坚苦的情形，好比，带有大量噪声和无关数据、事物不绝更新、题目方针不能明明和准确地界说，以及通过很长的执行进程才气确定当前举动的代价等。同神经收集一样，遗传算法的研究已经成长为人工智能的一个独立分支，其代表人物为霍勒德（J.H.Holland）。

2.10 人工神经收集

人工神经收集算法模仿生物神经收集，是一类模式匹配算法。凡是用于办理分类和回归题目。人工神经收集是呆板进修的一个复杂的分支，有几百种差异的算法。（个中深度进修就是个中的一类算法，我们会单独接头），重要的人工神经收集算法包罗：感知器神经收集（Perceptron Neural Network）, 反向转达（Back Propagation）， Hopfield收集，自组织映射（Self-Organizing Map, SOM）。

（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!