机器学习---分类、回归、聚类、降维的区别
来源:互联网 发布:武士道知乎 编辑:程序博客网 时间:2024/06/05 22:38
由上图我们可以看到,机器学习分为四大块,分别是
classification (分类),
regression (回归),
clustering (聚类),
dimensionality reduction (降维)。
给定一个样本特征
如果给定一组样本特征
如果我们想用维数更低的子空间来表示原来高维的特征空间, 那么这就是降维问题。
classification & regression
无论是分类还是回归,都是想建立一个预测模型
不同的只是在分类问题中,
clustering
聚类也是分析样本的属性, 有点类似classification, 不同的就是classification 在预测之前是知道
clustering 事先不知道样本的属性范围,只能凭借样本在特征空间的分布来分析样本的属性。这种问题一般更复杂。而常用的算法包括 k-means (K-均值), GMM (高斯混合模型) 等。
dimensionality reduction
降维是机器学习另一个重要的领域, 降维有很多重要的应用, 特征的维数过高, 会增加训练的负担与存储空间, 降维就是希望去除特征的冗余, 用更加少的维数来表示特征.降维算法最基础的就是PCA了, 后面的很多算法都是以PCA为基础演化而来。
- 机器学习---分类、回归、聚类、降维的区别
- 机器学习:多分类的logistic回归
- 机器学习 --- 1. 线性回归与分类, 解决与区别
- 机器学习 --- 1. 线性回归与分类, 解决与区别
- 机器学习 --- 1. 线性回归与分类, 解决与区别
- 机器学习 --- 1. 线性回归与分类, 解决与区别
- 机器学习 --- 1. 线性回归与分类, 解决与区别
- 机器学习——1. 分类和回归的解决与区别
- 机器学习-逻辑回归-分类
- 监督学习--分类与回归的区别
- 机器学习:线性回归和逻辑回归的区别
- 机器学习-基于Logistic回归和Sigmoid函数的分类
- 机器学习--线性回归和分类
- 机器学习算法-分类回归树CART
- 机器学习-回归及分类问题总结
- 机器学习之logistic回归与分类
- 机器学习(五)逻辑回归分类
- 机器学习-分类算法-逻辑回归
- python学习——namedtuple方法
- C# 二维码生成代码
- pytorch: 准备、训练和测试自己的图片数据
- LeetCode [6. ZigZag Conversion]
- 关于激萌斗地主,关于我们五个
- 机器学习---分类、回归、聚类、降维的区别
- python 内置函数
- C语言中复杂声明的解释方法
- 压缩感知初步认识
- Redis 持久化之RDB和AOF
- Java笔记6
- 搭建linux操作系统
- 二叉树的链式存储
- Leetcode Triangle