📅  最后修改于: 2020-09-27 02:10:34        🧑  作者: Mango

ML多项式回归多项式回归是一种回归算法，可将因变量(y)与自变量(x)之间的关系建模为n次多项式。多项式回归方程如下：它也被称为ML中的多元线性回归的特例。因为我们在多元线性回归方程中添加了多项式项，以将其转换为多项式回归。这是一个线性模型，为了提高精度而进行了一些修改。多项式回归中用于训练的数据集具有非线性性质。它利用线性回归模型来拟合复杂的非线性函数和数据集。因此，“在多项式回归中，原始特征将...

📅  最后修改于: 2020-09-27 02:13:11        🧑  作者: Mango

机器学习中的分类算法众所周知，监督机器学习算法可以大致分为回归算法和分类算法。在回归算法中，我们已经预测了连续值的输出，但是要预测分类值，我们需要分类算法。什么是分类算法？分类算法是一种监督学习技术，用于根据训练数据识别新观察的类别。在分类中，程序从给定的数据集或观察值中学习，然后将新观察值分类为多个类或组。例如，是或否，0或1，垃圾邮件或非垃圾邮件，猫或狗等。类可以称为目标/标签或类别。与回归不...

📅  最后修改于: 2020-09-27 03:21:34        🧑  作者: Mango

机器学习中的逻辑回归逻辑回归是最流行的机器学习算法之一，属于监督学习技术。它用于使用给定的一组独立变量来预测分类因变量。Logistic回归预测分类因变量的输出。因此，结果必须是分类或离散值。它可以是Yes或No，0或1，true或False等，但是不是给出确切的值0和1，而是给出了介于0和1之间的概率值。Logistic回归与线性回归非常相似，不同之处在于如何使用它们。线性回归用于解决回归问题，...

📅  最后修改于: 2020-09-27 09:02:19        🧑  作者: Mango

机器学习的K最近邻(KNN)算法K最近邻居是基于监督学习技术的最简单的机器学习算法之一。K-NN算法假定新案例/数据与可用案例之间具有相似性，并将新案例放入与可用类别最相似的类别中。K-NN算法存储所有可用数据，并基于相似度对新数据点进行分类。这意味着，当出现新数据时，可以使用K-NN算法将其轻松分类为钻井套件类别。K-NN算法既可以用于回归也可以用于分类，但是大多数情况下用于分类问题。K-NN是...

📅  最后修改于: 2020-09-27 09:11:07        🧑  作者: Mango

支持向量机算法支持向量机(SVM)是最流行的监督学习算法之一，可用于分类以及回归问题。但是，首先，它用于机器学习中的分类问题。SVM算法的目标是创建可以将n维空间划分为类的最佳直线或决策边界，以便我们将来可以轻松地将新数据点放在正确的类别中。最佳决策边界称为超平面。SVM选择有助于创建超平面的极限点/向量。这些极端情况称为支持向量，因此算法称为支持向量机。考虑下图，其中使用决策边界或超平面将两个不...

📅  最后修改于: 2020-09-28 03:08:04        🧑  作者: Mango

朴素贝叶斯分类器算法朴素贝叶斯算法是一种基于贝叶斯定理的监督学习算法，用于解决分类问题。它主要用于包含高维训练数据集的文本分类中。朴素贝叶斯分类器是最简单，最有效的分类算法之一，可帮助构建可以进行快速预测的快速机器学习模型。它是一个概率分类器，这意味着它基于物体的概率进行预测。朴素贝叶斯算法的一些流行示例是垃圾邮件过滤，情感分析和文章分类。为什么叫朴素贝叶斯？朴素贝叶斯算法由两个词朴素和贝叶斯组成...

📅  最后修改于: 2020-09-28 05:42:04        🧑  作者: Mango

机器学习中的回归与分类回归和分类算法是监督学习算法。两种算法都用于机器学习中的预测并与标记的数据集一起使用。但是两者之间的区别在于它们如何用于不同的机器学习问题。回归算法和分类算法之间的主要区别在于：回归算法用于预测连续值，例如价格，工资，年龄等；分类算法用于预测/分类离散值，例如，男性或女性，真或假，垃圾邮件或非垃圾邮件等考虑下图：分类：分类是找到一个函数的过程，该函数有助于根据不同的参数将数据...

📅  最后修改于: 2020-09-28 05:48:28        🧑  作者: Mango

机器学习面试题下面列出了常见的机器学习面试问题和答案。1)您对机器学习有什么了解？机器学习是人工智能的一种形式，它处理系统编程并自动执行数据分析，以使计算机无需经过明确编程即可通过经验学习并采取行动。例如，对机器人进行编码的方式是，它们可以根据从传感器收集的数据执行任务。他们自动从数据中学习程序，并随着经验的提高而提高。2)区分归纳学习和演绎学习？在归纳学习中，该模型通过从一组观察到的实例中进行实...

📅  最后修改于: 2020-09-28 05:51:31        🧑  作者: Mango

线性回归与逻辑回归线性回归和逻辑回归是受监督学习技术的两种著名的机器学习算法。由于这两种算法本质上都是受监督的，因此这些算法使用标记的数据集进行预测。但是它们之间的主要区别在于它们的使用方式。线性回归用于解决回归问题，而逻辑回归用于解决分类问题。两种算法的描述以及差异表在下面给出。线性回归：线性回归是监督学习技术下最简单的机器学习算法之一，用于解决回归问题。它用于在自变量的帮助下预测连续因变量。线...

📅  最后修改于: 2020-09-28 05:53:11        🧑  作者: Mango

决策树分类算法决策树是一种监督学习技术，可用于分类和回归问题，但大多数情况下，它是解决分类问题的首选方法。它是树结构的分类器，其中内部节点代表数据集的特征，分支代表决策规则，每个叶节点代表结果。在决策树中，有两个节点，即决策节点和叶节点。决策节点用于做出任何决策，并具有多个分支，而叶子节点是这些决策的输出，并且不包含任何其他分支。根据给定数据集的特征执行决策或测试。它是用于根据给定条件获取问题/决...

📅  最后修改于: 2020-09-28 06:30:10        🧑  作者: Mango

随机森林算法随机森林是一种流行的机器学习算法，属于监督学习技术。它可以用于ML中的分类和回归问题。它基于集成学习的概念，集成学习是组合多个分类器以解决复杂问题并提高模型性能的过程。顾名思义，“ Random Forest是一种分类器，它在给定数据集的各个子集上包含许多决策树，并取其平均值以提高该数据集的预测准确性。”随机森林不依赖一棵决策树，而是根据预测的多数票从每一棵树获取预测，并预测最终输出。...

📅  最后修改于: 2020-09-29 01:25:51        🧑  作者: Mango

机器学习中的聚类聚类或聚类分析是一种机器学习技术，用于对未标记的数据集进行分组。可以将其定义为“一种将数据点分为不同集群的方式，该集群由相似数据点组成。具有可能相似性的对象保留在与另一个组具有很少或没有相似性的组中。”它通过在未标记的数据集中找到一些相似的模式(例如形状，大小，颜色，行为等)来进行操作，并根据这些相似模式的存在与否对其进行划分。这是一种无监督的学习方法，因此没有为算法提供监督，并且...

📅  最后修改于: 2020-09-29 01:27:03        🧑  作者: Mango

机器学习中的层次聚类分层聚类是另一种无监督的机器学习算法，用于将未标记的数据集分组为一个聚类，也称为分层聚类分析或HCA。在该算法中，我们以树的形式开发了簇的层次结构，这种树形结构被称为树状图。有时，K均值聚类和分层聚类的结果可能看起来很相似，但是它们的工作方式却有所不同。由于不需要像我们在K-Means算法中那样预先确定簇的数量。层次聚类技术有两种方法：集聚：集聚是一种自下而上的方法，该算法从将...

📅  最后修改于: 2020-09-29 01:28:30        🧑  作者: Mango

K均值聚类算法K-Means聚类是一种无监督的学习算法，用于解决机器学习或数据科学中的聚类问题。在本主题中，我们将学习什么是K-means聚类算法，该算法如何工作以及k-means聚类的Python实现。什么是K均值算法？K均值聚类是一种无监督学习算法，可将未标记的数据集分为不同的聚类。这里K定义了在流程中需要创建的预定义集群的数量，就好像K = 2，将有两个集群，而对于K = 3，将有三个集群，...

📅  最后修改于: 2020-09-29 01:30:52        🧑  作者: Mango

机器学习中的Apriori算法Apriori算法使用频繁的项目集来生成关联规则，并且设计为在包含事务的数据库上工作。借助这些关联规则，它可以确定两个对象之间的连接强度。该算法使用广度优先搜索和哈希树来有效地计算项目集关联。这是从大型数据集中查找频繁项集的迭代过程。该算法由R. Agrawal和Srikant在1994年提出。它主要用于市场购物篮分析，有助于找到可以一起购买的产品。它也可以用于医疗保...