算法模型速览

机器学习可以分为三种常见的机器学习任务：回归，分类和聚类。

1. 机器学习算法分类 算法定义：自动分析数据并从中获取模式（规律），之后使用模式预测未知数据的方法。

算法分类：监督学习，非监督学习和半监督学习。

2. 机器学习算法选择

3. 机器学习算法分类---分类算法

   机器学习的分类算法包括：决策树，支持向量机(SupportVectorMachine，SVM)，最近邻(K-NearestNeighbor，KNN)算法，贝叶斯网络（BayesNetwork）和神经网络等算法。

   • 决策树
   • 支持向量机
   • 最近邻算法
   • 贝叶斯网络
   • 神经网络

4. 机器学习算法分类---聚类算法 聚类方法分类

   基于层次的聚类（HierarchicalMethod），基于划分的聚类(PartitioningMethod，PAM)，基于密度的聚类，基于约束的聚类，基于网络的聚类等。

   • 基于层次的聚类：将数据集划分为不同的层次，并使用合并或者分解的操作进行聚类，主要包括BIRCH(BalancedIterativeReducingandClusteringusingHierarchies)、CURE(ClusteringUsingRepresentatives)等。

   • 基于划分的聚类：将数据集划分为k个簇，然后计算其中的样本距离以获得假设簇的中心点，之后使用簇的中心点重新迭代计算新的中心点，直到k个簇的中心点收敛为止。基于划分的聚类有k-均值（k-means）等

   • 基于密度的聚类 根据样本的密度不断增长聚类，最终形成一组“密集连接”的点集。

     • BIRCH算法
     • CURE算法
     • DBSCAN算法
     • OPTICS算法

5. 机器学习算法分类---关联分析 关联分析主要包括的算法有：Apriori算法、FP-growth算法以及Eclat算法

   • Apriori算法
   • FP-growth算法
   • Eclat算法

6. 机器学习算法分类---回归分析

   • 线性回归
   • 逻辑回归
   • 多项式回归
   • 岭回归
   • LASSO回归

7. 机器学习算法分类---深度学习 深度学习：

   • 受限玻尔兹曼机(RBM)，
   • 卷积神经网络(CNN)，
   • 深度神经网络(DNN)，
   • 对抗性神经网络(GAN)，
   • 深度信念网络(DBN)，
   • 层叠自动编码器(SAE)，
   • 循环神经网络(RNN)，
   • 以及各种变体的网络结构