机器学习常用算法总结1 1.LR 原理 损失函数 思路： 2.svm 原理 损失函数 思路 升级 核函数 松弛变量 3.PCA 思路 4. LDA 原理 损失函数 思路 5.决策树 6.K-means 思路 7.KNN 思路 8. 朴素贝叶斯 9. 集成学习 1.LR LR：逻辑回归，对数据进行二分 原理 逻辑回归假设数据服从伯努利分布,通过极大化似然函数的方法，运用梯度下降来求解参数，来达到将数据二分类的目的。 损失函数 思路： (1) h θ h_θ hθ( x i x_i x
本文总结了机器学习中常见的算法，包括逻辑回归、SVM、PCA、LDA、决策树、K-means、KNN、朴素贝叶斯以及集成学习。逻辑回归通过梯度下降求解分类参数；SVM利用核函数和松弛变量实现分类；PCA用于数据降维；LDA以最大类间方差和最小类内方差为目标进行降维；决策树依据信息增益选择特征；K-means基于样本最近邻原则进行聚类；KNN通过多数投票决定样本类别；朴素贝叶斯基于特征条件独立假设进行分类；集成学习通过结合多个弱分类器提升模型性能。
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
