标签:特征 无监督学习 设计 概念 训练 常见 nbsp 信息 收集
监督学习:分类和回归属于监督学习。这类算法必须知道预测什么,即目标变量的分类信息。
常见算法:k-近邻算法、线性回归、朴素贝叶斯算法、支持向量机、决策树、Lasso最小回归系数估计、Ridge回归、局部加权线性回归
无监督学习:数据没有类别信息,不给定目标值。
常见算法:K-均值、最大期望算法、DBSCAN、Parzen窗设计
机器学习应用步骤:
收集数据——准备输入数据——分析输入数据——训练算法——测试算法——使用算法
另一种框架:
训练集——提取特征向量—— 结合一定的算法 ——得到结果
分类和回归算法的评估:
1、准确率 2、速度 3、强壮性 4、可解读性
分类:类别型
回归:连续数值型
标签:特征 无监督学习 设计 概念 训练 常见 nbsp 信息 收集
原文地址:http://www.cnblogs.com/lovephysics/p/7229133.html