文章發(fā)布于公號【數(shù)智物語】?（ID：decision_engine），關(guān)注公號不錯(cuò)過每一篇干貨。
來源 | 百度文庫
作為AI的重要分支，機(jī)器學(xué)習(xí)在推薦系統(tǒng)、在線廣告、金融市場分析、計(jì)算機(jī)視覺、語言學(xué)、生物信息學(xué)等諸多領(lǐng)域都取得了巨大的成功。機(jī)器學(xué)習(xí)并不是像我們字面理解的那樣，讓冷冰冰的機(jī)器去學(xué)習(xí)，或者狹義的理解為讓機(jī)器人去學(xué)習(xí)。
機(jī)器學(xué)習(xí)，從本質(zhì)上來說，可以理解為算法學(xué)習(xí)（Algorithm?Learning）、模型學(xué)習(xí)（Model?Learning）或者叫函數(shù)學(xué)習(xí)（Function?Learning）。今天這個(gè)PPT將為大家詳細(xì)介紹機(jī)器學(xué)習(xí)-算法。
01
機(jī)器學(xué)習(xí)算法大致可以分為三類
監(jiān)督學(xué)習(xí)算法?(Supervised?Algorithms）:?在監(jiān)督學(xué)習(xí)訓(xùn)練過程中，可以由訓(xùn)練數(shù)據(jù)集學(xué)到或建立一個(gè)模式（函數(shù)?/?learning?model），并依此模式推測新的實(shí)例。該算法要求特定的輸入/輸出，首先需要決定使用哪種數(shù)據(jù)作為范例。例如，文字識別應(yīng)用中一個(gè)手寫的字符，或一行手寫文字。主要算法包括神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、最近鄰居法、樸素貝葉斯法、決策樹等。
無監(jiān)督學(xué)習(xí)算法?(Unsupervised?Algorithms):?這類算法沒有特定的目標(biāo)輸出，算法將數(shù)據(jù)集分為不同的組。
強(qiáng)化學(xué)習(xí)算法?(Reinforcement?Algorithms):?強(qiáng)化學(xué)習(xí)普適性強(qiáng)，主要基于決策進(jìn)行訓(xùn)練，算法根據(jù)輸出結(jié)果（決策）的成功或錯(cuò)誤來訓(xùn)練自己，通過大量經(jīng)驗(yàn)訓(xùn)練優(yōu)化后的算法將能夠給出較好的預(yù)測。類似有機(jī)體在環(huán)境給予的獎(jiǎng)勵(lì)或懲罰的刺激下，逐步形成對刺激的預(yù)期，產(chǎn)生能獲得最大利益的習(xí)慣性行為。在運(yùn)籌學(xué)和控制論的語境下，強(qiáng)化學(xué)習(xí)被稱作“近似動(dòng)態(tài)規(guī)劃”（approximate?dynamic?programming，ADP）。
02
基本的機(jī)器學(xué)習(xí)算法：
線性回歸算法 Linear Regression
支持向量機(jī)算法 Support Vector Machine,SVM
最近鄰居/k-近鄰算法 K-Nearest Neighbors,KNN
邏輯回歸算法 Logistic Regression
決策樹算法 Decision Tree
k-平均算法 K-Means
隨機(jī)森林算法 Random Forest
樸素貝葉斯算法 Naive Bayes
降維算法 Dimensional Reduction
梯度增強(qiáng)算法 Gradient Boosting
Apriori算法
最大期望算法Expectation-Maximization algorithm, EM
PageRank算法
本文檔的pdf版可在公號“數(shù)智物語”后臺回復(fù)“10大機(jī)器學(xué)習(xí)算法”查看詳情。文檔來源于百度文庫，版權(quán)歸原作者所有。
推薦閱讀：
星標(biāo)我，每天多一點(diǎn)智慧
