机器学习必知必会

之所以说突然讲机器学习的原因在于近期打算找工作,但是面试人家觉得自己很水,而实际上自己平时有了解和深入,但是就是没有系统的整理相关的知识。

机器学习的分类

机器学习可以划分为:

  • 传统的机器学习
  • 深度学习
  • 加强学习

而传统的机器学习又可以细分为:

  • 监督学习
  • 非监督学习
  • 半监督学习

机器学习需要基础

  • 统计学(参数统计、非参数统计)
  • 线性代数(高等代数)
  • 信息论(可选)
  • 时间序列(可选)
  • 数值计算及优化(可选)

机器学习的一般步骤

主要步骤如下:

  • 数据的探索
  • 模型的选择
  • 模型的检验

相关分析与回归分析的区别

相关分析了解变量之间有无线性相关关系

回归与分类的区别

回归模型的选择

  • 一元回归
  • 多元回归(如多项式回归)
  • 岭回归,因变量比数据量多
  • 局部加权回归
  • lasso回归

判别模型的选择

  • 朴素贝叶斯
  • Logistic回归
  • kNN

若文章对您有帮助,请打赏1块钱。您的支持,可以让我分享更多精彩的文章。转载请注明来源


知识共享许可协议
本作品采用知识共享署名-非商业性使用-相同方式共享 2.5 中国大陆许可协议进行许可。