【Udacity笔记】What is Machine Learning?

Teaching computers to learn to perform tasks from past experiences(recorded data)

一、Decision Tree(决策树)

——Example：for recommend app

二、Naive Bayes Algorithm(朴素贝叶斯)

——Example：for detecting Spam e-mails(垃圾邮件)

三、Gradient descent(梯度下降)

——Example：Minimize the Error

四、Linear Regression(线性回归)

——Example：Price of a house

五、(对数几率回归)

Logistic Regression(逻辑回归)
Log loss function (对数损失函数)——代表错误数目

——Example:找出能最小化误差函数的最佳拟合线

最小化误差函数——结合梯度下降算法
爬山——每一步都走梯度下降最快的(误差减小更多)

六、Support Vector Machine(支持向量机SVM)

• Cutting data with style
• Support——靠近边界的点被称为支撑(support)

七、Kernel Trick(核函数)

• when a line is not enough
  
  
  

八、Neural Network(神经网络)

九、类比忍者

十、K均值聚类(K-Means Clustering)

• Example pizza parlors
• 需要预知最后分成几组

十一、层次聚类（Hierarchical Clustering）

• 无需预知最后聚类数目

阶段总结

转载于:https://www.cnblogs.com/Neo007/p/7495840.html