Atiitt 常见机器算法 理解 总结 目录 1. 机器学习的核心是“使用算法解析数据，从中学习，然后对世界上的某件事情做出决定或预测” 1 2. 1. 五大流派 2 2.1. ①符号主义：使用

Atiitt 常见机器算法  理解  总结

目录

1. 机器学习的核心是“使用算法解析数据，从中学习，然后对世界上的某件事情做出决定或预测” 1

2. 1. 五大流派 2

2.1. ①符号主义：使用符号、规则和逻辑来表征知识和进行逻辑推理，最喜欢的算法是：规则和决策树 2

2.2. ②贝叶斯派：获取发生的可能性来进行概率推理，最喜欢的算法是：朴素贝叶斯或马尔可夫 2

3. 简单算法 2

3.1. 线性回归是机器学习中最基础的一个算法。虽然线性回归是最简单的机器学习算法之一 2

3.2. 决策树 3

3.3. 贝叶斯 3

3.4. 聚类 3

3.5. Knn 3

3.6. Adaboost 3

4. 难度教大的 3

4.1. Svm 3

4.2. 随机森林 3

4.3. Bp神经网络 3

4.4. 8、K-Means聚类 3

5. ref 4

1. 机器学习的核心是“使用算法解析数据，从中学习，然后对世界上的某件事情做出决定或预测”

。这意味着，与其显式地编写程序来执行某些任务，不如教计算机如何开发一个算法来完成任务。有三种主要类型的机器学习：监督学习、非监督学习和强化学习，所有这些都有其特定的优点和缺点

1. 1. 五大流派

1. ①符号主义：使用符号、规则和逻辑来表征知识和进行逻辑推理，最喜欢的算法是：规则和决策树
2. ②贝叶斯派：获取发生的可能性来进行概率推理，最喜欢的算法是：朴素贝叶斯或马尔可夫

③联结主义：使用概率矩阵和加权神经元来动态地识别和归纳模式，最喜欢的算法是：神经网络

④进化主义：生成变化，然后为特定目标获取其中最优的，最喜欢的算法是：遗传算法

⑤Analogizer：根据约束条件来优化函数（尽可能走到更高，但同时不要离开道路），最喜欢的算法是：支持向量机

1. 简单算法 线性回归是机器学习中最基础的一个算法。虽然线性回归是最简单的机器学习算法之一

线性回归是机器学习中最基础的一个算法。虽然线性回归是最简单的机器学习算法之一，但是其包含了几乎所有的机器学习算法中需要的步骤：数据预处理，假设函数，代价函数，优化方法，模型测试。也可谓是麻雀虽小，五脏俱全。

1. 决策树

1. 贝叶斯

1. 聚类
2. Knn
3. Adaboost