AI人工智能 最常見的機(jī)器學(xué)習(xí)算法

在本節(jié)中，我們將學(xué)習(xí)最常見的機(jī)器學(xué)習(xí)算法。 算法如下所述 -

線性回歸 它是統(tǒng)計(jì)和機(jī)器學(xué)習(xí)中最著名的算法之一。

基本概念 - 主要是線性回歸是一個(gè)線性模型，假設(shè)輸入變量 x 和單個(gè)輸出變量 y 之間的線性關(guān)系。 換句話說(shuō)，y可以由輸入變量 x 的線性組合來(lái)計(jì)算。 變量之間的關(guān)系可以通過(guò)擬合最佳線來(lái)確定。

線性回歸的類型

線性回歸有以下兩種類型 -

• 簡(jiǎn)單線性回歸 - 如果線性回歸算法只有一個(gè)獨(dú)立變量，則稱為簡(jiǎn)單線性回歸。
• 多元線性回歸 - 如果線性回歸算法具有多個(gè)獨(dú)立變量，則稱其為多元線性回歸。

線性回歸主要用于基于連續(xù)變量估計(jì)實(shí)際值。 例如，可以通過(guò)線性回歸來(lái)估計(jì)一天內(nèi)基于實(shí)際價(jià)值的商店總銷售額。

Logistic 回歸 它是一種分類算法，也稱為 logit 回歸。

主要邏輯回歸是一種分類算法，用于根據(jù)給定的一組自變量來(lái)估計(jì)離散值，如 0 或 1，真或假，是或否。 基本上，它預(yù)測(cè)的概率因此它的輸出在 0和 1 之間。

決策樹 決策樹是一種監(jiān)督學(xué)習(xí)算法，主要用于分類問(wèn)題。

基本上它是一個(gè)基于自變量表示為遞歸分區(qū)的分類器。 決策樹具有形成根樹的節(jié)點(diǎn)。 有根樹是一個(gè)帶有稱為“根”節(jié)點(diǎn)的定向樹。 Root 沒有任何傳入邊緣，所有其他節(jié)點(diǎn)都有一個(gè)傳入邊緣。 這些節(jié)點(diǎn)被稱為樹葉或決策節(jié)點(diǎn)。 例如，考慮下面的決策樹來(lái)判斷一個(gè)人是否適合。

支持向量機(jī)(SVM)

它用于分類和回歸問(wèn)題。 但主要用于分類問(wèn)題。 SVM 的主要概念是將每個(gè)數(shù)據(jù)項(xiàng)繪制為n維空間中的一個(gè)點(diǎn)，每個(gè)特征的值是特定坐標(biāo)的值。 這里 n 將是功能。 以下是了解 SVM 概念的簡(jiǎn)單圖形表示 -

在上圖中，有兩個(gè)特征，因此首先需要在二維空間中繪制這兩個(gè)變量，其中每個(gè)點(diǎn)都有兩個(gè)坐標(biāo)，稱為支持向量。 該行將數(shù)據(jù)分成兩個(gè)不同的分類組。 這條線將是分類器。

樸素貝葉斯 這也是一種分類技術(shù)。 這種分類技術(shù)背后的邏輯是使用貝葉斯定理來(lái)構(gòu)建分類器。 假設(shè)是預(yù)測(cè)變量是獨(dú)立的。 簡(jiǎn)而言之，它假設(shè)類中某個(gè)特征的存在與任何其他特征的存在無(wú)關(guān)。 以下是貝葉斯定理的等式 -

樸素貝葉斯模型易于構(gòu)建，特別適用于大型數(shù)據(jù)集。

K-最近鄰居 (KNN)

它用于問(wèn)題的分類和回歸。 它被廣泛用于解決分類問(wèn)題。 該算法的主要概念是它用來(lái)存儲(chǔ)所有可用的案例，并通過(guò)其k個(gè)鄰居的多數(shù)選票來(lái)分類新案例。 然后將該情況分配給通過(guò)距離函數(shù)測(cè)量的K近鄰中最常見的類。 距離函數(shù)可以是歐幾里得，明可夫斯基和海明距離。 考慮以下使用 KNN -

• 計(jì)算上 KNN 比用于分類問(wèn)題的其他算法昂貴。
• 變量的規(guī)范化需要其他更高的范圍變量可以偏差。
• 在 KNN 中，需要在噪音消除等預(yù)處理階段進(jìn)行工作。

K 均值聚類

顧名思義，它用于解決聚類問(wèn)題。 它基本上是一種無(wú)監(jiān)督學(xué)習(xí)。 K-Means 聚類算法的主要邏輯是通過(guò)許多聚類對(duì)數(shù)據(jù)集進(jìn)行分類。 按照這些步驟通過(guò) K-means 形成聚類 -

• K-means 為每個(gè)簇選取 k 個(gè)點(diǎn)，稱為質(zhì)心。
• 每個(gè)數(shù)據(jù)點(diǎn)形成具有最接近質(zhì)心的群集，即k個(gè)群集。
• 它將根據(jù)現(xiàn)有集群成員查找每個(gè)集群的質(zhì)心。
• 需要重復(fù)這些步驟直到收斂。

隨機(jī)森林 它是一個(gè)監(jiān)督分類算法。 隨機(jī)森林算法的優(yōu)點(diǎn)是它可以用于分類和回歸兩類問(wèn)題。 基本上它是決策樹的集合(即森林)，或者可以說(shuō)決策樹的集合。隨機(jī)森林的基本概念是每棵樹給出一個(gè)分類，并且森林從它們中選擇最好的分類。以下是隨機(jī)森林算法的優(yōu)點(diǎn) -

• 隨機(jī)森林分類器可用于分類和回歸任務(wù)。
• 可以處理缺失的值。
• 即使在森林中有更多的樹，它也不會(huì)過(guò)度適合模型。