机器学习

一览机器学习常用的十类算法

AI技术发展的三大支柱:“算法+大数据+计算能力”,算法是人工智能发展的核心关键之一,很多技术环节和系统功能的实现都依赖于算法的精准度,算法的优劣直接影响了人工智能的发展方向。那么我们当下感受到的人工智能生活服务,运用了哪些AI算法呢?

机器学习-朴素贝叶斯分类器

朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法。朴素贝叶斯分类器(Naive Bayes Classifier 或 NBC)发源于古典数学理论,有着坚实的数学基础,以及稳定的分类效率。同时,NBC模型所需估计的参数很少,对缺失数据不太敏感,算法简单。

完整机器学习项目的工作流程

明确问题是进行机器学习的第一步。机器学习的训练过程通常都是一件非常耗时的事情,胡乱尝试时间成本是非常高的。这里的抽象成数学问题,指的我们明确我们可以获得什么样的数据,目标是一个分类还是回归或者是聚类的问题,如果都不是的话,如果划归为其中的某类问题。

机器学习-逻辑回归

我们可以按照任务的种类,将任务分为回归任务和分类任务。那这两者的区别是什么呢?按照较官方些的说法,输入变量与输出变量均为连续变量的预测问题是回归问题,输出变量为有限个离散变量的预测问题成为分类问题。