文章来源：https://www.dezyre.com/article/top-10-machine-learning-algorithms/202

  本人自行翻译，如有错误，还请指出。后续会继续补充实例及代码实现。

 

 根据最近的一项研究，在未来10年，机器学习算法将取代全球25％的工作机会。 随着大数据的快速增长和编程工具（如Python和R-machine学习）的可用性正在成为数据科学家的主流存在。 机器学习应用程序是高度自动化和自修改，随着时间的推移，随着他们学习更多的数据，最小的人工干预。

例如，Netflix的推荐算法基于每个观众观看的节目，更多地了解观众的喜欢和不喜欢。 为了解决各种现实世界数据问题的复杂性质，已经开发了专门的机器学习算法来完美地解决这些问题。 对于那些正在努力理解机器学习的基础知识的初学者，这里是对数据科学家使用的顶级机器学习算法的简要讨论。

1.机器学习算法分类

（1）监督机器学习算法

机器学习算法，对给定的样本集进行预测。 监督机器学习算法搜索分配给数据点的值标签内的模式。

（2）无监督机器学习算法

没有与数据点相关联的标签。 这些机器学习算法将数据组织成一组聚类，以描述其结构，并使复杂数据看起来简单和有组织的分析。

（3）强化机器学习算法

这些算法选择一个动作，基于每个数据点，然后了解决定是多么好。 随着时间的推移，算法改变其策略，以更好地学习，并实现最佳的回报。

2.通用机器学习算法列表

（1）朴素贝叶斯分类器算法

（2）K均值聚类算法

（3）支持向量机算法

（4）Apriori算法

（5）线性回归

（6）逻辑回归

（7人工神经网络

（8随机森林

（9）决策树

（10）最近邻算法

 

版权声明：本文为mat-wu原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://www.cnblogs.com/mat-wu/p/6395105.html