機器學習步驟及分類器選擇及機器學習演算法

由上圖所示：機器學習分為四大塊： classification (分類)， clustering (聚類), regression (回歸), dimensionality reduction (降維)。

關閉廣告 史坦利Stanley程式Maker的部落格 跳到主文 歡迎光臨史坦利Stanley程式Maker痞客邦的小天地 部落格全站分類：數位生活 相簿 部落格 留言 名片 Jun18Tue201908:35 機器學習步驟及分類器選擇及機器學習演算法 機器學習的七個步驟   機器學習的流程共有以下七個步驟： 收集資料（Gatheringdata） 準備數據（Preparingthatdata） 選擇模型（Choosingamodel） 訓練機器（Training） 評估分析（Evaluation） 調整參數（Hyperparametertuning） 預測推論（Prediction）   分類器 Classifcation  由上圖所示：機器學習分為四大塊：classification(分類)，clustering(聚類),regression(回歸),dimensionalityreduction(降維)。

(1)(2)classification&regression    給定一個樣本特徵x,我們希望預測其對應的屬性值y,如果y是離散的,那麼這就是一個分類問題，  反之，如果y是連續的實數,這就是一個回歸問題。

(3)clustering(聚類) 聚類也是分析樣本的屬性,有點類似classification,不同的就是classification在預測之前是知道y的範圍,或者說知道到底有幾個類別,而聚類是不知道屬性的範圍的。

所以classification也常常被稱為supervisedlearning,而clustering就被稱為unsupervisedlearning。

(4)dimensionalityreduction 降維是機器學習另一個重要的領域,降維有很多重要的應用,特徵的維數過高,會增加訓練的負擔與存儲空間,降維就是希望去除特徵的冗餘,用更加少的維數來表示特徵.降維算法最基礎的就是PCA了,     機器學習常見算法 機器學習領域涉及到很多的算法和模型，這裡遴選一些常見的算法： 正則化算法（RegularizationAlgorithms） 集成算法（EnsembleAlgorithms） 決策樹算法（DecisionTreeAlgorithm） 回歸（Regression） 人工神經網絡（ArtificialNeuralNetwork） 深度學習（DeepLearning） 支持向量機（SupportVectorMachine） 降維算法（DimensionalityReductionAlgorithms） 聚類算法（ClusteringAlgorithms） 基於實例的算法（Instance-basedAlgorithms） 貝葉斯算法（BayesianAlgorithms） 關聯規則學習算法（AssociationRuleLearningAlgorithms） 圖模型（GraphicalModels）###正則化算法（RegularizationAlgorithms）正則化算法是另一種方法（通常是回歸方法）的拓展，這種方法會基於模型複雜性對其進行懲罰，它喜歡相對簡單能夠更好的泛化的模型。

正則化中我們將保留所有的特徵變量，但是會減小特徵變量的數量級（參數數值的大小θ(j)）。

這個方法非常有效，當我們有很多特徵變量時，其中每一個變量都能對預測產生一點影響。

算法實例： 嶺回歸（RidgeRegression） 最小絕對收縮與選擇算子（LASSO） GLASSO 彈性網絡（ElasticNet） 最小角回歸（Least-AngleRegression） 原文網址：https://kknews.cc/news/4qmlrzg.html       原文網址：https://kknews.cc/news/4qmlrzg.html                           原文網址：https://kknews.cc/news/4qmlrzg.html           參考資料:https://kknews.cc/news/4qmlrzg.html   文章標籤 機器學習 演算法 全站熱搜 創作者介紹 stanley 史坦利Stanley程式Maker的部落格 stanley發表在痞客邦留言(0)人氣() E-mail轉寄 全站分類：數位生活個人分類：機器學習此分類上一篇：2018.08.03-樹莓派支援MachineLearning 此分類下一篇：TensorFlowvsTheanovsTorchvsKeras:DeepLearningLibraries 上一篇：2018.08.03-樹莓派支援MachineLearning 下一篇：TensorFlowvsTheanovsTorchvsKeras:DeepLearningLibraries ▲top 留言列表 發表留言 文章分類 競賽心得(1)機器學習(3)googleCloudplatform(11)商業分析(1)資料科學(3)Raspberry(9)Linkit7688Duo(8)Arduino(3)Android程式開發(17)PHP&AJAX(2)木工生活(8)Project(1)英文學習(1)科技與農業(7)ESP模組應用(27)EXCEL(1)電子分類(15)Python程式設計(52)未分類文章(6) 熱門文章 最新文章 參觀人氣 本日人氣： 累積人氣： 活動快報 夏日窈窕粉順暢 善存3效順暢益生菌養出消化道好環境！「補好菌、養... 看更多活動好康 我的好友 最新留言 動態訂閱 文章精選 文章精選 2020五月(3) 2020四月(1) 2019十二月(1) 2019十月(3) 2019九月(8) 2019七月(1) 2019六月(5) 2019四月(3) 2019三月(4) 2019二月(2) 2019一月(5) 2018十一月(9) 2018十月(4) 2018九月(6) 2018八月(3) 2018七月(1) 2018四月(2) 2018三月(4) 2018一月(2) 2017十二月(5) 2017十一月(11) 2017十月(9) 2017九月(6) 2017八月(9) 2017七月(13) 2017六月(7) 2017五月(5) 2017四月(26) 2017三月(13) 2017二月(5) 所有文章列表 誰來我家 文章搜尋 POWEREDBY (登入) 新聞交換(RSS) 站方公告 [公告]2022年度農曆春節期間服務公告[公告]MIB廣告分潤計劃、PIXwallet錢包帳戶條款異動通知[公告]2021年度農曆春節期間服務公告 回到頁首 回到主文 免費註冊 客服中心 痞客邦首頁 ©2003-2022PIXNET 關閉視窗 PIXNET Facebook Yahoo! Google MSN {{guestName}} (登出) 您尚未登入，將以訪客身份留言。

亦可以上方服務帳號登入留言 請輸入暱稱(最多顯示6個中文字元) 請輸入標題(最多顯示9個中文字元) 請輸入內容(最多140個中文字元) 請輸入左方認證碼： 看不懂,換張圖 請輸入驗證碼 送出留言