机器学习必知必会

之所以说突然讲机器学习的原因在于近期打算找工作,但是面试人家觉得自己很水,而实际上自己平时有了解和深入,但是就是没有系统的整理相关的知识。

机器学习的分类

机器学习可以划分为:

• 传统的机器学习
• 深度学习
• 加强学习

而传统的机器学习又可以细分为:

• 监督学习
• 非监督学习
• 半监督学习

机器学习需要基础

• 统计学(参数统计、非参数统计)
• 线性代数(高等代数)
• 信息论(可选)
• 时间序列(可选)
• 数值计算及优化(可选)

机器学习的一般步骤

主要步骤如下:

• 数据的探索
• 模型的选择
• 模型的检验

相关分析与回归分析的区别

相关分析了解变量之间有无线性相关关系

回归与分类的区别

回归模型的选择

• 一元回归
• 多元回归(如多项式回归)
• 岭回归,因变量比数据量多
• 局部加权回归
• lasso回归

判别模型的选择

• 朴素贝叶斯
• Logistic回归
• kNN