每个机器学习工程师都应该知道的基本算法

机器学习作为一门多领域交叉学科,已经存在很长时间了,但近些年才开始火热起来。本文中列出了你需要知道的机器学习领域的算法,了解这些你就可以解决在机器学习中所遇到的任何问题。但这只是个覆盖大部分基础算法的清单,并不是全部。

回归算法

回归算法对变量之间的关系建模。最初是一种统计技术,它现在已经成为每个机器学习工程师必须掌握的重要工具。

常见的回归算法:

  • 最小二乘回归(Least Squares Regression)
  • 线性回归(Linear Regression)
  • Logistic回归(Logistic Regression)
  • 回归介绍视频:https://www.coursera.org/learn/regression-models/lecture/Kz1eV/ introduction-to-regression

聚类算法

聚类算法可以将数据点分到具有相似属性的组中。他们通过查找数据中的固有结构来将数据划分到不同的组中。一个组中的事物属性的关联比其他组中的关联的更密切。

聚类算法有硬聚类和软聚类两种类型。硬聚类是指数据点明确的完全属于一个组或完全不属于一个组。软聚类是指一个数据点可以不同程度地属于许多不同的组。

常见的聚类算法:

  • K均值(K-means)
  • 层次聚类(Hierarchical Clustering)
  • 聚类介绍视频:https://www.youtube.com/watch?v=ZueoXMgCd1c

降维算法

当特征的数量与数据点的数量要大很多时。降维算法可以帮你将特征的数量减少到目前问题所需要的数量。他们可以删除多余的特征,帮助你获得更好的结果。

降维算法有两种工作方法。第一种方法是通过特征选择,算法选取可用特征的子集。第二种方法是特征提取,将高维空间中的数据压到低维度。

常见的降维算法:

  • 主成分分析(PCA)
  • 低方差滤波(Low Variance Filter)
  • 高相关滤波(High Correlation Filter)
  • 随机森林(Random Forests)
  • 反向特征消除/前向特征构造(Backward Feature Elimination / Forward Feature construction)
  • 更多的内容可以查看:https://www.kdnuggets.com/2015/05/7-methods-data-dimensionality-reduction.html

决策树算法

决策树创建一个根据数据做出决策的模型。在树状结构中制作一个分叉,直到每个数据点都有对应的预测。与其他深度学习的算法不同,它们的结果很容易理解,并且它们很容易在许多不同的数据类型中使用。

常见的决策树算法:

  • 分类和回归树(classification and regression tree)
  • C4.5和C5.0
  • 随机森林(Random Forests)
  • 卡方自动交互检测(CHAID)
  • 推荐教程:https://www.analyticsvidhya.com/blog/2016/04/complete-tutorial-tree-based-modeling-scratch-in-python/

深度学习

机器学习和人工智能的概念是深度学习炒火的。他们是人造神经网络的现代版本,利用廉价的计算来训练更大的神经网络。它们证明了它们具有解决一些最难问题的能力。如AlphaGo。

常见深度学习:

  • 栈式自编码器(Stacked Auto-encoders)
  • 卷积神经网络(CNN)
  • 递归神经网络(RNN)
  • 胶囊网络(Capsule Networks,https://hackernoon.com/what-is-a-capsnet-or-capsule-network-2bfbe48769cc)
  • 推荐教程:https://www.safaribooksonline.com/library/view/deep-learning/97814919 24570/ch04.html

原文发布于微信公众号 - ATYUN订阅号(atyun_com)

原文发表时间:2017-11-19

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏张俊红

朴素贝叶斯详解

总第78篇 一、统计知识 01|随机事件: 1、概念 随机事件是在随机试验中,可能出现也可能不出现,而在大量重复试验中具有某种规律性的事件叫做随机事件(简称事件...

2626
来自专栏机器人网

10 个常见机器学习案例:了解机器学习中的线性代数

它是机器学习的重要基础,从描述算法操作的符号到代码中算法的实现,都属于该学科的研究范围。

923
来自专栏码洞

人工稚能之sklearn分类

分类算法和聚类比较类似,都是将输入数据赋予一个标签类别。区别是分类算法的分类是预先确定的,有明确含义的。而聚类的标签是从输入数据本身的分布中提取出来的一种抽象的...

621
来自专栏null的专栏

机器学习中的特征——特征选择的方法以及注意点

关于机器学习中的特征我有话要说     在这次校园招聘的过程中,我学到了很多的东西,也纠正了我之前的算法至上的思想,尤其是面试百度的过程中,让我渐渐意识到机器学...

2729
来自专栏人工智能

机器学习实战-线性回归提高篇之乐高玩具套件二手价预测

作者:崔家华 编辑:王抒伟 线性回归 零 前言: 本篇文章讲解线性回归的缩减方法,岭回归以及逐步线性回归,同时熟悉sklearn的岭回归使用方法,对乐高玩具套件...

1997
来自专栏iOSDevLog

人工智能-人工神经网络

1904
来自专栏算法channel

深入浅出实战:说话人识别

由于语音特征的特别,我们很难在机器学习入门的文章中看到关于语音的案例或者实验,本文主要介绍说话人识别的大体流程与原理,不在具体的细节公式上做过多讨论(因为实在是...

700
来自专栏机器学习算法全栈工程师

[视频讲解]史上最全面的正则化技术总结与分析!

作者:黄海安 编辑:栾志勇 PART 01 摘要 引言 正则化是一种有效的防止过拟合、提高模型泛化能力方法,在机器学习和深度学习算法中应用非常广泛,本文从机器学...

3676
来自专栏PPV课数据科学社区

收藏!机器学习与深度学习面试问题总结.....

后向传播是在求解损失函数L对参数w求导时候用到的方法,目的是通过链式法则对参数进行一层一层的求导。这里重点强调:要将参数进行随机初始化而不是全部置0,否则所有隐...

772
来自专栏机器学习算法与Python学习

收藏!机器学习与深度学习面试问题总结.....

1757

扫描关注云+社区