监督学习
2021-07-13 本文已影响0人
taobao
分类和回归
分类问题：将实例数据划分到合适的分类中
回归问题： 它主要用于预测数值型数据，典型的回归例子：数据拟合曲线。
线性回归：
1：最小二乘法
2：梯度下降法
非线性回归：
线性回归等式有一个基本的形式，而非线性回归提供了许多灵活的曲线拟合方程。
非线性函数的一个例子就是高阶多项式（即多项式阶数p>1）：G = a o + a1X + a2X^2+ ... + akX^k。其他类型的非线性函数可通过泰勒展开用多项式逼近表示。函数G在x0处的线性近似为G(x0)+G'(x0)(x-x0)。
分类算法：
摘抄：https://blog.csdn.net/u014088052/article/details/50834033
1：朴素贝叶斯(Naive Bayes)
2：决策树(Decision trees)
3：支持向量机(SVM)
4：K-近邻算法（k-Nearest Neighbors，KNN）
5：
