机器学习常用算法总结(学习向)

机器学习常用算法总结

文章目录

  • 机器学习常用算法总结
    • 1. 感知机模型
    • 2. k近邻算法
    • 3. 朴素贝叶斯
    • 4. 决策树
    • 5. 集成学习
    • 6. 逻辑斯蒂回归
    • 7. 最大熵模型
    • 8. 支持向量机
    • 9. 期望最大化算法
    • 10. 聚类
    • 11. 隐马尔可夫模型
    • 12. 条件随机场

1. 感知机模型

2. k近邻算法

  • kd 树的构造
  • kd 树的搜索

3. 朴素贝叶斯

  • 极大似然估计
  • 贝叶斯估计

4. 决策树

  • 流程:特征选择、决策树生成、决策树剪枝
  • ID3 算法
  • C4.5 算法
  • CART 算法

5. 集成学习

  • AdaBoost 算法
  • 提升树算法

6. 逻辑斯蒂回归

7. 最大熵模型

8. 支持向量机

  • 线性可分支持向量机:硬间隔最大化
  • 线性支持向量机:软间隔最大化
  • 非线性支持向量机:核函数

9. 期望最大化算法

  • Q 函数
  • 高斯混合模型

10. 聚类

  • k-means
  • DBSCAN
  • FCM

11. 隐马尔可夫模型

12. 条件随机场

你可能感兴趣的:(工具,算法,决策树,聚类,机器学习,人工智能)