(一)机器学习概述
一、机器学习算法分类
1、监督学习:
(1)目标值是类别:分类问题
k-近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归
(2)目标值是连续型的数据:回归问题
线性回归、岭回归
2、非监督学习:
(1)没有目标值
聚类 k-means
二、机器学习开发流程
1、获取数据
2、数据处理
3、特征工程
4、机器学习算法训练 - 模型
5、模型评估
6、应用
(二)特征工程
1、可用数据集
一、机器学习算法分类
1、监督学习:
(1)目标值是类别:分类问题
k-近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归
(2)目标值是连续型的数据:回归问题
线性回归、岭回归
2、非监督学习:
(1)没有目标值
聚类 k-means
二、机器学习开发流程
1、获取数据
2、数据处理
3、特征工程
4、机器学习算法训练 - 模型
5、模型评估
6、应用
1、可用数据集
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/160478.html
如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!