机器学习总结
有监督学习:线性回归:线性拟合 预测朴素贝叶斯:分类逻辑回归:二分类(可做多分类)决策树:分类和预测SVM:二分类(可做多分类)SVR:非线性拟合 预测HMM(隐马尔可夫模型):语音识别CRF(条件随机场):一般是线性链CRF 自然语言处理中 文本序列标注KNN:分类 预测无监督学习:KMeans:聚类 需指定K谱聚类:聚类 无需指定K 能保证每个簇...
·
有监督学习:
线性回归:线性拟合 预测
朴素贝叶斯:分类
逻辑回归:二分类(可做多分类)
决策树:分类和预测
SVM:二分类(可做多分类)
SVR:非线性拟合 预测
HMM(隐马尔可夫模型):语音识别
CRF(条件随机场):一般是线性链CRF 自然语言处理中 文本序列标注
KNN:分类 预测
无监督学习:
KMeans:聚类 需指定K
谱聚类:聚类 无需指定K 能保证每个簇中的个体数量低于某个量值
EM(期望最大化算法):求解有隐变量的似然函数
GMM(高斯混合模型):聚类
PCA(主成分分析):降维 舍弃特质小的那些维度
SVD(奇异值分解):降维 PCA算法很慢 实际都应用SVD降维
更多推荐
已为社区贡献1条内容
所有评论(0)