白话机器学习算法

才写一点点，更新中...

参考书籍：《白话机器学习算法》

目录：

第一章 基础知识

知识预览：

常见的三类算法

无监督学习

指训练模型用的数据没有人工标注的标签信息，通俗的讲就是在“没有老师指导”的情况下，靠“学生”自己通过不断地探索，对知识进行归纳和总结，尝试发现数据中心的内在规律或特征，来对训练数据打标签。

监督学习

指使用足够多的带有标签的数据集来训练模型。通俗的讲就是在模型的学习过程中，“老师”指导着“学生”应该往哪个方向学习或者调整。监督学习主要有两类问题：分类问题和回归问题。分类问题主要是用来预测样本的类别，回归问题主要是用来预测一个值。

强化学习

强化学习无需数据集，根据自身网络不断试错，以对外界交互产生的奖励作为反馈，来不断调整网络参数。常见的强化学习：机械臂的抓取。

第二章 无监督学习

K均值聚类

第三章 监督学习

回归分析

简介：区别于一般的趋势线只使用单个预测变量，回归分析可以考虑更多的预测变量从而改善预测结果，并且还可以比较各个预测变量的强弱。

引例：房价预测。例如房价受到房间数和周围居民收入水平的影响，通过分析比较发现，周围居民收入水平的影响比房间数大，如果我们要将这两个因素一同考虑，则需要给通过周围居民收入水平的预测赋予更高的权重。那么如何才能得到最优权重组合呢？

梯度下降法：

它是一个优化参数的方法，寻找损失函数最小的地方。梯度下降就是顺着梯度所指的方向，一步一步去寻找损失函数最小值的过程