机器学习之各种算法(2)
来源:互联网 发布:破解软件越来越差 编辑:程序博客网 时间:2024/06/05 04:12
继续接着原来的算法继续讲解:
(5)贝叶斯方法
贝叶斯方法算法是基于贝叶斯定理的一类算法,主要用来解决分类和回归问题。常见算法包括:朴素贝叶斯算法,平均单依赖估计(Averaged One-Dependence Estimators, AODE),以及Bayesian Belief Network(BBN)。
(6)基于核的算法
基于核的算法中最著名的莫过于支持向量机(SVM)了。 基于核的算法把输入数据映射到一个高阶的向量空间, 在这些高阶向量空间里, 有些分类或者回归问题能够更容易的解决。 常见的基于核的算法包括:支持向量机(Support Vector Machine, SVM), 径向基函数(Radial Basis Function ,RBF), 以及线性判别分析(Linear Discriminate Analysis ,LDA)等。
(7)聚类算法
聚类,就像回归一样,有时候人们描述的是一类问题,有时候描述的是一类算法。聚类算法通常按照中心点或者分层的方式对输入数据进行归并。所以的聚类算法都试图找到数据的内在结构,以便按照最大的共同点将数据进行归类。常见的聚类算法包括 k-Means算法以及期望最大化算法(Expectation Maximization, EM)。
(8)关联规则学习
关联规则学习通过寻找最能够解释数据变量之间关系的规则,来找出大量多元数据集中有用的关联规则。常见算法包括 Apriori算法和Eclat算法等。
(9)人工神经网络
人工神经网络算法模拟生物神经网络,是一类模式匹配算法。通常用于解决分类和回归问题。人工神经网络是机器学习的一个庞大的分支,有几百种不同的算法。(其中深度学习就是其中的一类算法,我们会单独讨论),重要的人工神经网络算法包括:感知器神经网络(Perceptron Neural Network), 反向传递(Back Propagation), Hopfield网络,自组织映射(Self-Organizing Map, SOM)。学习矢量量化(Learning Vector Quantization, LVQ)
(10)深度学习
深度学习算法是对人工神经网络的发展。 在近期赢得了很多关注, 特别是百度也开始发力深度学习后, 更是在国内引起了很多关注。 在计算能力变得日益廉价的今天,深度学习试图建立大得多也复杂得多的神经网络。很多深度学习的算法是半监督式学习算法,用来处理存在少量未标识数据的大数据集。常见的深度学习算法包括:受限波尔兹曼机(Restricted Boltzmann Machine, RBN), Deep Belief Networks(DBN),卷积网络(Convolutional Network), 堆栈式自动编码器(Stacked Auto-encoders)。
- 机器学习之各种算法(2)
- 机器学习之各种算法(1)
- 机器学习之各种算法
- 机器学习 之 各种距离
- 各种机器学习算法的优缺点(转知乎)
- 机器学习之(六)常见机器学习算法比较
- 机器学习之(六)常见机器学习算法比较
- 各种机器学习算法的优缺点
- 各种机器学习算法的优缺点
- 机器学习各种算法的特点归纳
- 机器学习算法之决策树(二)
- 机器学习算法之决策树(三)
- 机器学习之近邻算法(1)
- 机器学习之决策树算法(1)
- 机器学习算法之决策树(python)
- 【机器学习】机器学习算法之旅
- 机器学习之必知十大机器学习算法
- 机器学习之kNN算法
- 刘博:去担保进程的“量与度”
- C,指向函数的指针,混乱
- Android中使用HTTP服务
- 学习利用JNI实现Java调C的DLL
- Android使用GSP和百度SDK定位
- 机器学习之各种算法(2)
- Java排序算法(九):归并排序
- android framework audiofocus机制
- Let's talk about VMX, which is Intel VT-x's design.
- 更新整理本人所有博文中提供的代码与工具(C++,2014.09)
- Ubuntu14.04 安装问题汇总
- 赫夫曼编码(优先队列实现)
- 更新整理本人所有博文中提供的代码与工具(Java,2014.09)
- PyCUDA