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

评论可见，请评论后查看内容，谢谢！！！
 您阅读本篇文章共花了：