菜单导航

机器学习入门算法

作者: 精装之家 来源: 精装之家 发布时间: 2021年11月20日 15:00:49

机器学习是人工智能的一种,其本质上讲,就是计算机可以在无需编程的情况下自己学习概念。这些计算机程序一旦接触新的数据,就将会改变它们的「思考」(或者输出)。为了实现机器学习,算法是必需的。算法被写入计算机并在其剖析数据时给予其需要遵循的规则。

机器学习入门算法


机器学习算法经常被用于预测分析,预测是一种基于输入变量来估计输出变量的过程。在商业中,预测分析可以用于告诉企业未来最有可能发生什么。例如,使用预测分析算法,在线T恤零售商可以使用当前的数据来预测下个月他们将会售出多少T恤。

机器学习入门算法


下面介绍机器学习基础算法:

线性模型算法

线性模型使用简单的公式通过一组数据点来查找最优拟合线。通过已知的变量方程(比如,原料),可以求出你想要预测的变量(比如,烘烤蛋糕需要多长时间)。为了求出预测量,输入已知的变量得到答案。

机器学习入门算法


不同的形式,有着不同的线性模型算法:

线性回归

线性回归,也称为最小二乘回归,是线性模型的最标准的形式。对于回归问题,线性回归是最简单的线性模型。

机器学习入门算法


逻辑回归

逻辑回归是为分类问题进行简单调整过的线性回归,由于其构造,逻辑回归非常适合于分类问题

机器学习入门算法


线性回归和逻辑回归的缺点

两者都具有过拟合的趋势,这意味着模型太适应于数据而牺牲了推广到先前未知的数据的能力,这意味着它们有一定的惩罚以防止过拟合。另一个线性模型的缺点是,因为它们太简单了,所以往往不能预测更复杂的行为。

机器学习入门算法