1.机器学习相关算法:
线性回归、K-means、决策树、随机森林、主成分分析、支持向量机,强化学习,贝叶斯网络
线性回归:解决数据预测问题,曲线弥合,已知{x1,x2,x3,...} , {y1,y2,y3,...} , 用一条曲线描述已知点的规律。 常用:最小二乘法。
K-means : 用距离给离散的数据聚类, 首先给出几个中心点,以中心点聚类 =》 求 每个分类的均值,如果均值等于中心点,结束,如果不相等,以均值为中心点,再次聚类。
决策树: 多个特征,每个特征权重不同,特征进行分类,形成一棵树, 常见算法有 ID3,C4,5, LR+ BGDT,
随机森林:多棵决策树,组成森林。
贝叶斯网络:解决逆概率问题。
2。 深度学习:
基于人工神经网络,多层神经网络,神经元