机器学习经典算法摘要.pptVIP

经典算法 机器学习十大经典算法 C4.5 分类与回归树 朴素贝叶斯 支持向量机（SVM) K近邻（KNN） AdaBoost K均值（K-means） 最大期望（EM） Apriori算法 Pagerank 机器学习方法的分类 基于学习方式的分类 （1）有监督学习：输入数据中有导师信号，以概率函数、代数函数或人工神经网络为基函数模型，采用迭代计算方法，学习结果为函数。 （2）无监督学习：输入数据中无导师信号，采用聚类方法，学习结果为类别。典型的无导师学习有发现学习、聚类、竞争学习等。 （3）强化学习（增强学习）：以环境反馈（奖/惩信号）作为输入，以统计和动态规划技术为指导的一种学习方法。 有监督学习（用于分类） 标定的训练数据 训练过程：根据目标输出与实际输出的误差信号来调节参数 典型方法 全局：BN, NN,SVM, Decision Tree 局部：KNN、CBR(Case-base reasoning) 无监督学习（用于聚类） 不存在标定的训练数据 学习机根据外部数据的统计规律（e.g. Cohension divergence ）来调节系统参数，以使输出能反映数据的某种特性。 典型方法 K-means、SOM…. 半监督学习 结合（少量的）标定训练数据和（大量的）未标定数据来进行学习 典型方法 Co-training、EM、Latent variables….