最近在接触这方面的知识,但是找了许多的笔记,都感觉没有很好的总结出来,也正好当做是边学习,边复习着走。大佬轻喷。参考书目 《python机器学习基础教程》
1.算法的作用
2.引用的方式(我这里主要是基于 scikit-learn)
3.重要参数
4.优缺点
5.注意事项
监督学习算法
监督学习主要解决两种问题: 回归与 分类。
统一a为 回归 ,b为 分类 。
2–6均为线性模型,线性模型的主要参数是正则化参数,在回归模型中叫作 alpha,在 LinearSVC 和 Logistic-Regression 中叫作 C。如果特征数量大于样本数量,线性模型的表现通常都很好。
9,10均是决策树的集成
集成:是合并多个机器学习模型来构建更强大模型的方法。由于梯度提升和随机森林两种方法在类似的数据上表现得都很好,常用的方法就是先尝试随机森林,它的鲁棒性很好。如果随机森林效果很好,但预测时间太长,或者机器学习模型精度小数点后第二位的提高也很重要,那么切换成梯度提升通常会有用。
Original: https://www.cnblogs.com/brain-keep-burning-why/p/16023543.html
Author: Novice!!!
Title: 监督学习,无监督学习常用算法集合总结,引用scikit-learn库(监督篇)
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/807247/
转载文章受原作者版权保护。转载请注明原作者出处!