机械新手核心训练有哪些

1. 机器学习的核心方法、有趣的结论和主要应用是什么？

机器学习的核心方法、有趣的结论和主要应用是什么？

监督学习

1.决策树：决策树是一种决策支持工具，它使用树状图或决策模型及其可能的后果，包括机会***结果，***成本和效用。

从商业决策的角度来看，决策树是人们必须要问的最少数量的是/否问题，以评估大多数时间做出正确决策的可能性。作为一种方法，它使您能够以结构化和系统化的方式处理问题，以得出合乎逻辑的结论。

2.朴素贝叶斯分类：朴素贝叶斯分类器是一组简单的概率分类器，基于贝叶斯定理和特征间的强（独特）独立性***设。

P（A | B）=P（B | A）*P（A）/P（B）

一些现实世界的例子是：

• 将电子邮件标记为垃圾邮件或不是垃圾邮件
• 分类关于技术，政治或体育的新闻文章
• 检查一段表达积极情绪或负面情绪的文字吗？
• 用于人脸识别软件。

3.普通最小二乘回归：如果你知道统计，你可能以前听说过线性回归。最小二乘法是一种执行线性回归的方法。您可以将线性回归看作通过一组点拟合直线的任务。有多种可能的策略来做到这一点，“普通最小二乘”策略就是这样 - 你可以绘制一条线，然后对每个数据点测量点和线之间的垂直距离，并将它们相加; 拟合线将是这个距离总和尽可能小的那条线。

线性指的是您用来拟合数据的模型类型，而最小二乘指的是您正在最小化的错误度量类型。

4. Logistic回归：Logistic回归是一种用一个或多个解释变量建模二项式结果的强大统计方法。它通过使用逻辑函数估计概率来测量分类因变量和一个或多个自变量之间的关系，逻辑函数是累积逻辑分布。

……太多了