- 综合排序
- 最热优先
- 最新优先
- 来自专栏数据科学与人工智能
【算法】10 种机器学习算法要点
小编邀请您，先思考： 1 你熟悉那些机器学习算法？ 2 你如何应用机器学习算法？ 这篇指南的目的，是为那些有追求的数据科学家和机器学习狂热者们，简化学习旅途。这篇指南会让你动手解决机器学习的问题，并从实践中获得真知。 广义来说，有三种机器学习算法 1、 监督式学习 工作机制：这个算法由一个目标变量或结果变量（或因变量）组成。这些变量由已知的一系列预示变量（自变量）预测而来。 非监督式学习的例子有：关联算法和 K – 均值算法。 3、强化学习 工作机制：这个算法训练机器进行决策。它是这样工作的：机器被放在一个能让它通过反复试错来训练自己的环境中。 机器从过去的经验中进行学习，并且尝试利用了解最透彻的知识作出精确的商业判断。 强化学习的例子有马尔可夫决策过程。 常见机器学习算法名单 这里是一个常用的机器学习算法名单。
81290发布于 2018-03-27 - 来自专栏数据科学与人工智能
【机器学习】10 种机器学习算法的要点
这篇指南的目的，是为那些有追求的数据科学家和机器学习狂热者们，简化学习旅途。这篇指南会让你动手解决机器学习的问题，并从实践中获得真知。 广义来说，有三种机器学习算法 1、 监督式学习 工作机制：这个算法由一个目标变量或结果变量（或因变量）组成。这些变量由已知的一系列预示变量（自变量）预测而来。 非监督式学习的例子有：关联算法和 K – 均值算法。 3、强化学习 工作机制：这个算法训练机器进行决策。它是这样工作的：机器被放在一个能让它通过反复试错来训练自己的环境中。 机器从过去的经验中进行学习，并且尝试利用了解最透彻的知识作出精确的商业判断。 强化学习的例子有马尔可夫决策过程。 常见机器学习算法名单 这里是一个常用的机器学习算法名单。 人们常常问起这两个算法之间的区别。 现在我能确定，你对常用的机器学习算法应该有了大致的了解。写这篇文章并提供 Python 和 R 语言代码的唯一目的，就是让你立马开始学习。
1K70发布于 2018-02-27 - 来自专栏奇点大数据
机器学习必学10大算法
本文介绍了 10 大常用机器学习算法，包括线性回归、Logistic 回归、线性判别分析、朴素贝叶斯、KNN、随机森林等。 1. 分类和回归树 决策树是一类重要的机器学习预测建模算法。 决策树可以被表示为一棵二叉树。这种二叉树与算法设计和数据结构中的二叉树是一样的，没有什么特别。 支持向量机 支持向量机（SVM）可能是目前最流行、被讨论地最多的机器学习算法之一。 超平面是一条对输入变量空间进行划分的「直线」。 袋装法和随机森林 随机森林是最流行也最强大的机器学习算法之一，它是一种集成机器学习算法。 自助法是一种从数据样本中估计某个量（例如平均值）的强大统计学方法。 如果你使用具有高方差的算法（例如决策树）获得了良好的结果，那么你通常可以通过对该算法执行 Bagging 获得更好的结果。 10.
75820发布于 2019-04-29 - 来自专栏云计算linux
机器学习必学10大算法
本文介绍了 10 大常用机器学习算法，包括线性回归、Logistic 回归、线性判别分析、朴素贝叶斯、KNN、随机森林等。 1. 线性回归 在统计学和机器学习领域，线性回归可能是最广为人知也最易理解的算法之一。 预测建模主要关注的是在牺牲可解释性的情况下，尽可能最小化模型误差或做出最准确的预测。 我们将借鉴、重用来自许多其它领域的算法(包括统计学)来实现这些目标。 线性回归 例如：y = B0 + B1 * x 我们将在给定输入值 x 的条件下预测 y，线性回归学习算法的目的是找到系数 B0 和 B1 的值。 线性回归是一种运算速度很快的简单技术，也是一种适合初学者尝试的经典算法。 2. Logistic 回归 Logistic 回归是机器学习从统计学领域借鉴过来的另一种技术。
46710编辑于 2024-12-18 - 来自专栏小詹同学
机器学习必学10大算法
本文介绍了 10 大常用机器学习算法，包括线性回归、Logistic 回归、线性判别分析、朴素贝叶斯、KNN、随机森林等。 1. 线性回归 在统计学和机器学习领域，线性回归可能是最广为人知也最易理解的算法之一。 预测建模主要关注的是在牺牲可解释性的情况下，尽可能最小化模型误差或做出最准确的预测。 分类和回归树 决策树是一类重要的机器学习预测建模算法。 决策树可以被表示为一棵二叉树。这种二叉树与算法设计和数据结构中的二叉树是一样的，没有什么特别。 支持向量机 支持向量机（SVM）可能是目前最流行、被讨论地最多的机器学习算法之一。 超平面是一条对输入变量空间进行划分的「直线」。 袋装法和随机森林 随机森林是最流行也最强大的机器学习算法之一，它是一种集成机器学习算法。 自助法是一种从数据样本中估计某个量（例如平均值）的强大统计学方法。
58600发布于 2019-11-12 - 来自专栏张俊红
图解10大机器学习算法
今天给大家分享一篇机器学习算法的文章，利用图解的方式介绍了10大常见的机器学习算法。 对于渴望了解机器学习基础知识的机器学习新人来说，这儿有份数据科学家使用的十大机器学习算法，为你介绍这十大算法的特性，采用图解的方式便于大家更好地理解和应用， 1、线性回归Linear Regression 线性回归可能是统计学和机器学习中最知名和最易理解的算法之一。 9、bagging和随机森林Random Forest 随机森林是最流行和最强大的机器学习算法之一。它是一种被称为Bootstrap Aggregation或Bagging的集成机器学习算法。 虽然还有很多其他的机器学习算法，但这些算法是最受欢迎的算法。如果你是机器学习的新手，这是一个很好的学习起点。
87151编辑于 2022-03-25 - 来自专栏机器之心
机器学习必学10大算法
本文介绍了 10 大常用机器学习算法，包括线性回归、Logistic 回归、线性判别分析、朴素贝叶斯、KNN、随机森林等。 1. 分类和回归树 决策树是一类重要的机器学习预测建模算法。 决策树可以被表示为一棵二叉树。这种二叉树与算法设计和数据结构中的二叉树是一样的，没有什么特别。 支持向量机 支持向量机（SVM）可能是目前最流行、被讨论地最多的机器学习算法之一。 超平面是一条对输入变量空间进行划分的「直线」。 袋装法和随机森林 随机森林是最流行也最强大的机器学习算法之一，它是一种集成机器学习算法。 自助法是一种从数据样本中估计某个量（例如平均值）的强大统计学方法。 如果你使用具有高方差的算法（例如决策树）获得了良好的结果，那么你通常可以通过对该算法执行 Bagging 获得更好的结果。 10.
85430发布于 2019-03-30 - 来自专栏AI小白入门
【机器学习】一文了解机器学习必学10大算法
选自Medium 作者：garvitanand2 机器之心编译 参与：Geek AI、路 本文介绍了 10 大常用机器学习算法，包括线性回归、Logistic 回归、线性判别分析、朴素贝叶斯、KNN、随机森林等 分类和回归树 决策树是一类重要的机器学习预测建模算法。 决策树可以被表示为一棵二叉树。这种二叉树与算法设计和数据结构中的二叉树是一样的，没有什么特别。 支持向量机 支持向量机（SVM）可能是目前最流行、被讨论地最多的机器学习算法之一。 超平面是一条对输入变量空间进行划分的「直线」。 袋装法和随机森林 随机森林是最流行也最强大的机器学习算法之一，它是一种集成机器学习算法。 自助法是一种从数据样本中估计某个量（例如平均值）的强大统计学方法。 如果你使用具有高方差的算法（例如决策树）获得了良好的结果，那么你通常可以通过对该算法执行 Bagging 获得更好的结果。 10.
69810发布于 2019-10-17 - 来自专栏Python编程爱好者
机器学习必知必会 10 大算法！
---- 现在，机器学习有很多算法。如此多的算法，可能对于初学者来说，是相当不堪重负的。今天，我们将简要介绍 10 种最流行的机器学习算法，这样你就可以适应这个激动人心的机器学习世界了！ 01 线性回归 线性回归（Linear Regression）可能是最流行的机器学习算法。线性回归就是要找一条直线，并且让这条直线尽可能地拟合散点图中的数据点。 08 随机森林 随机森林（Random Forest）是一种非常流行的集成机器学习算法。这个算法的基本思想是，许多人的意见要比个人的意见更准确。在随机森林中，我们使用决策树集成（参见决策树）。 10 人工神经网络（ANN） 人工神经网络（Artificial Neural Networks，ANN）可以处理大型复杂的机器学习任务。 现在，你已经了解了最流行的机器学习算法的基础介绍。你已经准备好学习更为复杂的概念，甚至可以通过深入的动手实践来实现它们。
1.2K20编辑于 2022-12-20 - 来自专栏Datawhale专栏
机器学习必知必会10大算法！
作者：Fahim ul Haq，编译：InfoQ 现在，机器学习有很多算法。如此多的算法，可能对于初学者来说，是相当不堪重负的。 今天，我们将简要介绍 10 种最流行的机器学习算法，这样你就可以适应这个激动人心的机器学习世界了！ 01 线性回归 线性回归（Linear Regression）可能是最流行的机器学习算法。 08 随机森林 随机森林（Random Forest）是一种非常流行的集成机器学习算法。这个算法的基本思想是，许多人的意见要比个人的意见更准确。在随机森林中，我们使用决策树集成（参见决策树）。 10 人工神经网络（ANN） 人工神经网络（Artificial Neural Networks，ANN）可以处理大型复杂的机器学习任务。 现在，你已经了解了最流行的机器学习算法的基础介绍。你已经准备好学习更为复杂的概念，甚至可以通过深入的动手实践来实现它们。
81820编辑于 2022-04-08 - 来自专栏人工智能
机器学习新手必看10大算法
选自TowardsDataScience 作者：James Le 机器之心编译 参与：程耀彤、路雪 本文介绍了机器学习新手需要了解的 10 大算法，包括线性回归、Logistic 回归、朴素贝叶斯、K 如果我们知道的话，我们将会直接使用它，不需要用机器学习算法从数据中学习。 最常见的机器学习算法是学习映射 Y = f(X) 来预测新 X 的 Y。 对于想了解机器学习基础知识的新手，本文将概述数据科学家使用的 top 10 机器学习算法。 1. 线性回归 线性回归可能是统计学和机器学习中最知名和最易理解的算法之一。 如果你用方差较高的算法（如决策树）得到了很好的结果，那么通常可以通过 bagging 该算法来获得更好的结果。 10. 即使是经验丰富的数据科学家在尝试不同的算法之前，也无法分辨哪种算法会表现最好。虽然还有很多其他的机器学习算法，但本篇文章中讨论的是最受欢迎的算法。如果你是机器学习的新手，这将是一个很好的学习起点。
99890发布于 2018-02-02 - 来自专栏Datawhale专栏
机器学习必知必会10大算法
本文介绍了 10 大常用机器学习算法，包括线性回归、Logistic 回归、线性判别分析、朴素贝叶斯、KNN、随机森林等。 1. 线性回归 在统计学和机器学习领域，线性回归可能是最广为人知也最易理解的算法之一。 预测建模主要关注的是在牺牲可解释性的情况下，尽可能最小化模型误差或做出最准确的预测。 分类和回归树 决策树是一类重要的机器学习预测建模算法。 决策树可以被表示为一棵二叉树。这种二叉树与算法设计和数据结构中的二叉树是一样的，没有什么特别。 支持向量机 支持向量机（SVM）可能是目前最流行、被讨论地最多的机器学习算法之一。 超平面是一条对输入变量空间进行划分的「直线」。 袋装法和随机森林 随机森林是最流行也最强大的机器学习算法之一，它是一种集成机器学习算法。 自助法是一种从数据样本中估计某个量（例如平均值）的强大统计学方法。
52711发布于 2019-10-23 - 来自专栏WD学习记录
机器学习 学习笔记（10）序列最小最优化算法
序列最小最优化算法（Sequential minimal optimization） SMO算法要解如下凸二次规划的对偶问题： ? ? ? SMO算法是一种启发式算法，基本思路是：如果所有边的解都满足此优化问题的KKT条件，那么这个最优化问题的解就得到了，因为KKT条件就是该最优化问题的充分必要条件。 如此，SMO算法将原问题不断分解为子问题并对子问题求解，进而达到求解原问题的目的。 子问题的两个变量中只有一个是自由变量。 变量的选择方法 SMO算法在每个子问题中选择两个变量优化，其中至少一个变量是违反KKT条件的。 代码实现可以参见：https://blog.csdn.net/sxllllwd/article/details/81609595 参考： 《统计学习方法》
2K20发布于 2018-09-03 - 来自专栏数据派THU
图解最常用的 10 个机器学习算法！
来源：大数据与机器学习文摘 本文约3500字，建议阅读10分钟 这儿有份数据科学家使用的十大机器学习算法，为你介绍这十大算法的特性。 对于渴望了解机器学习基础知识的机器学习新人来说，这儿有份数据科学家使用的十大机器学习算法，为你介绍这十大算法的特性，便于大家更好地理解和应用，快来看看吧。 09 bagging和随机森林 随机森林是最流行和最强大的机器学习算法之一。 它是一种被称为Bootstrap Aggregation或Bagging的集成机器学习算法。 如果你使用高方差算法（如决策树）获得良好结果，那么加上这个算法后效果会更好。 10 Boosting和AdaBoost Boosting是一种从一些弱分类器中创建一个强分类器的集成技术。 即使是一位经验丰富的数据科学家，在尝试不同的算法之前，也无法知道哪种算法会表现最好。 虽然还有很多其他的机器学习算法，但这些算法是最受欢迎的算法。 如果你是机器学习的新手，这是一个很好的学习起点。
58420编辑于 2023-03-29 - 来自专栏人人都是极客
图解最常用的10个机器学习算法！
在机器学习领域，有种说法叫做“世上没有免费的午餐”，简而言之，它是指没有任何一种算法能在每个问题上都能有最好的效果，这个理论在监督学习方面体现得尤为重要。 对于渴望了解机器学习基础知识的机器学习新人来说，这儿有份数据科学家使用的十大机器学习算法，为你介绍这十大算法的特性，便于大家更好地理解和应用，快来看看吧。 09 bagging和随机森林 随机森林是最流行和最强大的机器学习算法之一。 它是一种被称为Bootstrap Aggregation或Bagging的集成机器学习算法。 如果你使用高方差算法（如决策树）获得良好结果，那么加上这个算法后效果会更好。 10 Boosting和AdaBoost Boosting是一种从一些弱分类器中创建一个强分类器的集成技术。 即使是一位经验丰富的数据科学家，在尝试不同的算法之前，也无法知道哪种算法会表现最好。 虽然还有很多其他的机器学习算法，但这些算法是最受欢迎的算法。 如果你是机器学习的新手，这是一个很好的学习起点。
93920发布于 2018-12-24 - 来自专栏算法进阶
10大机器学习聚类算法实现（Python）
来源：尤而小屋 分享一篇关于聚类的文章：10种聚类算法和Python代码。文末提供jupyter notebook的完整代码获取方式。 聚类或聚类分析是无监督学习问题。 对于所有数据集，有许多不同的聚类算法和单一的最佳方法。 在 Scikit-learn 机器学习库的 Python 中如何实现、适配和使用顶级聚类算法。 —源自：《数据挖掘页：实用机器学习工具和技术》2016年。 群集通常是特征空间中的密度区域，其中来自域的示例（观测或数据行）比其他群集更接近群集。 通常，聚类算法在人工合成数据集上与预先定义的群集进行学术比较，预计算法会发现这些群集。 聚类是一种无监督学习技术，因此很难评估任何给定方法的输出质量。 —源自：《机器学习页：概率观点》2012。 有许多不同的聚类算法，对于所有数据集没有单一的最佳方法。 在 Scikit-learn 机器学习库的 Python 中如何实现、适合和使用10种顶级聚类算法
85220编辑于 2023-08-28 - 来自专栏机器之心
入门 | 机器学习新手必看10大算法
选自TowardsDataScience 作者：James Le 机器之心编译 参与：程耀彤、路雪 本文介绍了机器学习新手需要了解的 10 大算法，包括线性回归、Logistic 回归、朴素贝叶斯、K 如果我们知道的话，我们将会直接使用它，不需要用机器学习算法从数据中学习。 最常见的机器学习算法是学习映射 Y = f(X) 来预测新 X 的 Y。 对于想了解机器学习基础知识的新手，本文将概述数据科学家使用的 top 10 机器学习算法。 1. 线性回归 线性回归可能是统计学和机器学习中最知名和最易理解的算法之一。 如果你用方差较高的算法（如决策树）得到了很好的结果，那么通常可以通过 bagging 该算法来获得更好的结果。 10. 即使是经验丰富的数据科学家在尝试不同的算法之前，也无法分辨哪种算法会表现最好。虽然还有很多其他的机器学习算法，但本篇文章中讨论的是最受欢迎的算法。如果你是机器学习的新手，这将是一个很好的学习起点。
837110发布于 2018-05-10 - 来自专栏啄木鸟软件测试
机器学习测试笔记（10）——K邻近算法
监督学习和非监督学习 我们谈起机器学习经常会听到监督学习和非监督学习，它们的区别在哪里呢？监督学习是有标签的，而非监督学习是没有标签的。 比如有一批酒，我们知道里面包括红酒和白酒，算法f可以用于鉴别某一个酒是否为红酒和白酒，这时候算法f就称作为监督学习，红酒、白酒即为标签。 如果现在另有一批酒，我们知道里面包括不同品种的酒，但是不知道有几类，算法g可以把相同类别的酒归为一类，不同类别的酒归为不同的类（比如：红酒、白酒、啤酒、米酒…）, 算法g就称作为非监督学习。 在监督学习中我们称作“分类”，在非监督学习中我们称作“聚类”。本文提到的K邻近算法属于监督学习内的“分类”算法。 （在Python的机器学习中函数的参数很多，我们不用全部记住，记住重要的几个参数即可）。 上面仅仅以两类的分类，下面我们来看看多个类的分类。
90110发布于 2021-01-04 - 来自专栏数据科学与人工智能
【机器学习】机器学习算法总结
找工作时（IT行业），除了常见的软件开发以外，机器学习岗位也可以当作是一个选择，不少计算机方向的研究生都会接触这个，如果你的研究方向是机器学习/数据挖掘之类，且又对其非常感兴趣的话，可以考虑考虑该岗位， 毕竟在机器智能没达到人类水平之前，机器学习可以作为一种重要手段，而随着科技的不断发展，相信这方面的人才需求也会越来越大。 纵观IT行业的招聘岗位，机器学习之类的岗位还是挺少的，国内大点的公司里百度，阿里，腾讯，网易，搜狐，华为（华为的岗位基本都是随机分配，机器学习等岗位基本面向的是博士）等会有相关职位，另外一些国内的中小型企业和外企也会招一小部分 阿里的算法岗位很大一部分也是搞机器学习相关的。 下面是本人在找机器学习岗位工作时，总结的常见机器学习算法（主要是一些常规分类器）大概流程和主要思想，希望对大家找机器学习岗位时有点帮助。 它在被提出之初就和SVM一起被认为是泛化能力（generalization)较强的算法。近些年更因为被用于搜索排序的机器学习模型而引起大家关注。 GBDT是回归树，不是分类树。
1.5K50发布于 2018-02-27 - 来自专栏量子位
机器学习萌新必学的Top10算法
在机器学习领域里，不存在一种万能的算法可以完美解决所有问题，尤其是像预测建模的监督学习里。 比方说，神经网络不见得比决策树好，同样反过来也不成立。 大的原则 不过呢，对于所有预测建模的监督学习算法来说，还是有一些通用的底层原则的。 机器学习算法，指的是要学习一个目标函数，能够尽可能地还原输入和输出之间的关系。 精准地预测结果是机器学习建模的任务。 So，Top10机器学习算法，了解一下。 线性回归 统计学与机器学习领域里研究最多的算法。 做预测建模，最重要的是准确性（尽可能减小预测值和实际值的误差）。 因为训练数据对于矫正算法非常重要，所以要确保数据清洗干净了，不要有奇奇怪怪的偏离值。 最后的最后 面对海量的机器学习算法，萌新最爱问的是，“我该选什么算法？” 要知道，即使是老司机，也无法闭着眼睛说哪个算法能拿到最好的结果。还是得动手试。 其实机器学习的算法很多的，以上只是介绍用得比较多的类型，比较适合萌新试试手找找感觉。
99360发布于 2018-03-20
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号