机器学习大框架
2023-05-24 11:41:58 0 举报
AI智能生成
为你推荐
查看更多
机器学习算法基础框架
作者其他创作
大纲/内容
决策树可以分为以下几种类型:1. ID3算法:基于信息增益来选择最优特征,适用于分类问题。2. C4.5算法:基于信息增益比来选择最优特征,适用于分类问题。3. CART算法:可以用于分类和回归问题,基于基尼指数来选择最优特征。4. CHAID算法:基于卡方检验来选择最优特征,适用于分类问题。5. MARS算法:可以用于分类和回归问题,基于多项式回归来构建决策树。6. Conditional Inference Trees(CIT)算法:基于条件推断来构建决策树,适用于分类和回归问题。7. Random Forest算法:基于随机森林的思想,通过多个决策树的集成来提高模型的准确性和泛化能力。
决策树【第三章】
回归
分类
线性模型
KNN 可以说是最简单的分类算法之一,同时,它也是最常用的分类算法之一
KNN
朴素贝叶斯分类和贝叶斯网络分类
贝叶斯
LDA(线性判别分析)
随机森林
支持向量机
有监督学习
聚类【第七章】
降维【第二章】
关联规则挖掘【第五章】
无监督学习
子主题
降维
半监督聚类
半监督关联
半监督分类【第三章】
半监督学习
机器学习
0 条评论
回复 删除
下一页