当前位置:文档之家› 机器学习常用算法

机器学习常用算法


偏最小二乘回归(Partial Least Square Regression,PLS)
投影追踪(Projection Pursuit)
12
集成算法
集成算法
Boosting
堆叠泛化 (Stacked Generalizatio n, Blending)
随机森林 Bootstrapped Aggregation (Bagging)
随机森林 (Random
Forest)
决策树学习
01
02
多元自适应回归样条 (MARS)
梯度推进机(Gradient Boosting Machine,
GBM)
05
贝叶斯方法
贝叶斯方法
朴素贝叶斯算法
Bayesian Belief Network(BBN)
平均单依赖估计(Averaged OneDependence Estimators, AODE)
பைடு நூலகம்
06
基于核的算法
基于核的算法
支持向量机(Support Vector Machine, SVM)
线性判别分析(Linear Discriminate Analysis ,LDA)
径向基函数(Radial Basis Function ,RBF)
07
聚类算法
聚类算法
01
k- M e a n s 算 法
Deep Belief Networks(DBN)
堆栈式自动编码器(Stacked Auto-encoders)
11
降低纬度算法
降低纬度算法
主成份分析(Principle Component Analysis, PCA)
Sammon映射
多维尺度(Multi-Dimensional Scaling, MDS)
机 器 学 习 算 法
演讲人
2 0 2 0 - 11 - 1 7
01
回归算法
回归算法
最小二乘法(Ordinary Least Square)
逐步式回归(Stepwise Regression)
本地散点平滑估计(Locally Estimated Scatterplot Smoothing)
逻辑回归(Logistic Regression)
梯度推进机 (Gradient Boosting Machine, GBM)
AdaBoost
随机森林 (Random Forest)
感 谢 聆 听
决策树学习
分类及回归树 (Classificati
on And Regression Tree , CART)
ID3(Iterativ e
Dichotomis er 3)
C4.5
Chi-squared Automatic Interaction Detection(C HAID)
Decision Stump
多元自适应回归样条 (Multivariate Adaptive
Regression Splines)
线性回归(linear regression)
02
基于实例的算法
基于实例的算法
01
02
03
k- N e a r e s t Neighbor(KNN)
学习矢量量化 (Learning Vector Quantization, LVQ)
02
期望最大化算法 (Expectation Maximization, EM)
08
关联规则算法
关联规则算法
Aprio ri算法
Eclat 算法
09
人工神经网络
人工神经网络
1
感知器神经网 络
(Perceptron Neural
Network)
2
反向传递 (Back Propagation)
3
Hopfield网 络
4
自组织映射 (Self-
Organizing Map, SOM)
5 学习矢量量化 (Learning
Vector Quantization,
LVQ)
10
深度学习
深度学习
受限波尔兹曼机(Restricted Boltzmann Machine, RBN)
卷积网络(Convolutional Network)
自组织映射算法 (Self-Organizing
Map , SOM)
03
正则化算法
正则化算法
01
Ridge Regression
02
Least Absolute Shrinkage and
Selection Operator(LASSO)
03
以及弹性网络 (Elastic Net)
04
决策树学习
相关主题