十大必须掌握的机器学习算法.docx

? ? 十大必须掌握的机器学习算法，竟然都如此有趣 ? ? 通过本篇文章可以对ML的常用算法有个常识性的认识，没有代码，没有复杂的理论推导，就是图解一下，知道这些算法是什么，它们是怎么应用的，例子主要是分类问题。 每个算法都看了好几个视频，挑出讲的最清晰明了有趣的，便于科普。 以后有时间再对单个算法做深入地解析。 今天的算法如下： 决策树 随机森林算法 逻辑回归 SVM 朴素贝叶斯 K最近邻算法 K均值算法 Adaboost算法 神经网络 马尔可夫 1. 决策树 根据一些 feature 进行分类，每个节点提一个问题，通过判断，将数据分为两类，再继续提问。这些问题是根据已有数据学习出来的，再投入新数据的时候，就可以根据这棵树上的问题，将数据划分到合适的叶子上。 1.jpg 2、随机森林 在源数据中随机选取数据，组成几个子集： 2.jpg S矩阵是源数据，有1-N条数据，A、B、C 是feature，最后一列C是类别： 3.jpg 由S随机生成M个子矩阵： 4.jpg 这M个子集得到 M 个决策树： 将新数据投入到这M个树中，得到M个分类结果，计数看预测成哪一类的数目最多，就将此类别作为最后的预测结果。 5.png 3、逻辑回归 当预测目标是概率这样的，值域需要满足大于等于0，小于等于1的，这个时候单纯的线性模型是做不到的，因为在定义域不在某个范围之内时，值域也超出了规定区间