有监督分类的算法:
在已经有标签的数据上去分类
在已经有标签的数据上去预测上传笔记本电脑的品相
品相好的给1
不好的给0
主要有下面一些分类算法
k临近算法分类
朴素贝叶斯分类
决策树分类
随机森林分类
分类回归分类
KNN
Adaboost
GDDT
XGBoost
LightGBM
有监督回归的算法:
在已经有标签的数据上去回归
在已经有标签的数据上去预测上传笔记本电脑的价格
可能预测出3500
也可能预测4500
主要有下面一些回归算法
线性回归
多项式回归
决策树回归
随机森林回归
XGBoost回归
Lasso回归
无监督学习:
无监督学习的分类有哪些: 还是拿笔记本作为举例 什么标注也没有 通过一系类的运算得出 屏幕是一组 键盘是一组 鼠标是一组
聚类和降维:
聚类:
相同的合到一块
屏幕是屏幕
键盘数键盘
鼠标是鼠标
降维:三维变二维,二维变一维
有屏幕
有键盘
有鼠标
还有桌子,椅子,板凳等等
太多了,
经过一系类计算,算不过来了
那就要主要的
比如
有屏幕
有键盘
有鼠标
这就属于计算机
无监督的算法都有哪些:
无监督聚类算法:
k-均值聚类
KMeans++
birch聚类
高斯混合聚类
基于层次聚类
基于密度聚类
DBSCAN
无监督降维的算法:
奇异值分解 (SVD)
主成分分析 (PCA)
独立成分分析 (ICA)
因子分析 (FA)
好文推荐
发表评论