熱線電話：13121318867

登錄
首頁精彩閱讀機器學習中的有監督和無監督都包括些什么？
機器學習中的有監督和無監督都包括些什么？
2020-05-29
收藏


機器學習算法通常分為有監督的（訓練數據有標記答案）和無監督的（可能存在的任何標簽均未顯示在訓練算法中）。有監督的機器學習問題又分為分類（預測非數字答案，例如錯過抵押貸款的可能性）和回歸（預測數字答案，例如下個月在曼哈頓商店出售的小部件的數量）。

無監督學習可進一步分為聚類（查找類似對象的組，例如跑鞋，步行鞋和正裝鞋），關聯（查找對象的常見序列，例如咖啡和奶油）和降維（投影，特征選擇） ，以及特征提取。

分類算法

分類問題是有監督的學習，要求在兩個或多個類別之間進行選擇，通常為每個類別提供概率。除了需要大量高級計算資源的神經網絡和深度學習之外，最常見的算法是樸素貝葉斯，決策樹，邏輯回歸，K最近鄰和支持向量機（SVM）。也可以使用集成方法（模型的組合），例如“隨機森林”，其他“裝袋”方法以及增強方法（例如，AdaBoost和XGBoost）。

回歸算法

回歸問題是有監督的學習，要求模型預測數字。最簡單，最快的算法是線性（最小二乘）回歸，但一般不應止步于此，因為它通常會返回一個中等的結果。其他常見的機器學習回歸算法（缺少神經網絡）包括樸素貝葉斯，決策樹，K最近鄰，LVQ（學習矢量量化），LARS套索，彈性網，隨機森林，AdaBoost和XGBoost。值得注意的是，用于回歸和分類的機器學習算法之間存在一些重疊。

聚類算法

聚類問題是一種無監督的學習問題，它要求模型查找相似數據點的組。最受歡迎的算法是K-Means聚類；其他包括均值漂移聚類，DBSCAN（基于噪聲的應用程序基于空間的聚類），GMM（高斯混合模型）和HAC（分層聚類）。

降維算法

降維是一個無監督的學習，它要求模型刪除或組合對結果影響很小或沒有影響的變量。這通常與分類或回歸結合使用。降維算法包括刪除具有許多缺失值的變量，刪除具有低方差的變量，決策樹，隨機森林，刪除或組合具有高相關性的變量，后向特征消除，前向特征選擇，因子分析和PCA（主成分分析）。

優化方法

訓練和評估可以通過優化監督算法的參數權重，找到最適合數據真實性的一組值，從而將監督學習算法轉變為模型。算法通常將最速下降的變量用于優化程序，例如隨機梯度下降，它是從隨機起始點多次執行的最速下降。


CDA數據分析師考試相關入口一覽（建議收藏）：

? 想報名CDA認證考試，點擊>>>   “CDA報名” 了解CDA考試詳情；

? 想學習CDA考試教材，點擊>>> “CDA教材” 了解CDA考試詳情；

? 想加入CDA考試題庫，點擊>>> “CDA題庫” 了解CDA考試詳情；

? 想了解CDA考試含金量，點擊>>> “CDA含金量” 了解CDA考試詳情；

有監督 降維 特征 無監督 機器學習 決策樹 隨機森林 神經網絡

數據分析咨詢請掃描二維碼

若不方便掃碼，搜微信號：CDAshujufenxi

上一篇深度學習算法：CNN、RNN、LSTM、TensorFlow等之間的關系！
下一篇機器學習的數據清理以及數據標準化！
數據分析師考試動態
CDA報考指南
數據分析學習
數據分析師資訊
更多

CDA教育閉環

常見問題

關于我們

CDA數據分析師公眾號

  • CDA數據分析師公眾號

CDA考試中心小程序

  • CDA考試中心服務號

CDA數據分析師App下載

  • CDA數據分析師App下載
Copyright © 2015-2021, www.ruiqisteel.com All Rights Reserved. CDA數據分析師(北京國富如荷網絡科技有限公司) 版權所有 京ICP備11001960號-9 京公網安備 11010802034615號 經營許可證編號：京B2-20210330
聯系電話：13321103290 (微信同號)

OK
客服在線
立即咨詢
日韩人妻系列无码专区视频,先锋高清无码,无码免费视欧非,国精产品一区一区三区无码
客服在線
立即咨詢