↑↑↑點擊上方藍字,回覆資料,10個G的驚喜
導語
希望本文能幫你理解這些機器學習算法,並針對特定問題選擇合適的方法。
譯者:季一帆
當我開始學習數據科學時,經常會面臨到針對特定問題如何選擇最合適的算法的問題。如果你和我一樣,當你瀏覽到一些關於機器學習算法的文章,你會看到很多很多細節的描述。但是矛盾的是他們並沒有讓選擇更容易。
那麼,爲了不讓你感到學偏了,我建議你應該對一些監督學習算法和非監督學習算法的應用和其中的數學思想都要有個很好的理解。這些算法包括——
線性迴歸
Logistic迴歸
決策樹
樸素貝葉斯
支持向量機
隨機森林
AdaBoost
漸變樹
簡單神經網絡
層次聚類
高斯混合模型
卷積神經網絡
遞歸神經網絡
推薦系統
我需要提醒你,在開始學習機器學習/深度學習時,一定要了解我提及到的那些機器學習算法。
在我們對各類算法有了一定的瞭解後,我們要學會如何根據具體問題去選擇應用不同算法!
我想你保證,本博客將會幫助你學會用機器學習算法處理不同的問題!當前,學習過程不會是一蹴而就的。
問題一算法
問題1:房價預測問題
應用的機器學習算法:高級迴歸方法,如隨機森林和梯度提升方法
問題2:客戶數據統計以識別不同模式
應用的機器學習算法:聚類(肘部法則)
問題3:貸款還款預測;
應用的機器學習算法:非均衡數據的分類算法
問題5:預測客戶流失;
應用的機器學習算法:線性判別分析(LDA)或二次判別分析(QDA),該類算法既是分類器又涉及降維技術,非常受歡迎
問題6:僱用新員工的決策框架;
應用的機器學習算法:決策樹--毫無疑問
問題7:對產品出售影響最大的屬性預測;
應用的機器學習算法:邏輯迴歸、決策樹
問題8:情緒分析,以評估市場對產品的看法;
應用的機器學習算法::樸素貝葉斯--支持向量機(NBSVM)
問題9:垃圾郵件過濾的分類系統;
應用的機器學習算法:分類算法--樸素貝葉斯,SVM,多層感知機(MLPNNs),徑向基函數神經網絡(RBFNN)
問題10:在線廣告點擊率預測;
應用的機器學習算法:邏輯迴歸、支持向量機
問題11:信用卡交易中的欺詐活動檢測;
應用的機器學習算法:Adaboost、孤立森林、隨機森林
問題12:根據汽車特性預測價格
應用的機器學習算法:梯度提升樹
問題13:預測患者加入醫療保健計劃的可能性;
應用的機器學習算法:簡單神經網絡
問題14:預測註冊用戶是否願意爲產品支付特定價格
應用的機器學習算法:神經網絡
問題15:按不同特徵將客戶分類(如年齡段)
應用的機器學習算法:K-means 聚類
問題16:語音識別中語音數據的特徵提取
應用的機器學習算法:高斯混合模型
問題17:物體跟蹤,可以根據混合組分數量及其均值預測視頻序列中每幀中的物體位置
應用的機器學習算法:高斯混合模型
問題18:分析一組DNA微陣列樣品,以揭示生物學上的有趣模式
應用的機器學習算法:分層聚類方法
問題19:根據相似顧客的偏好爲用戶推薦電影
應用的機器學習算法:推薦系統
問題20:基於用戶的歷史閱讀記錄爲用戶推薦新文章
應用的機器學習算法:推薦系統
問題21:優化無人駕駛汽車的駕駛行爲
應用的機器學習算法:強化學習
問題22:根據醫學掃描圖像診斷健康狀況
應用的機器學習算法:卷積神經網絡
問題23:在動態需求週期平衡電網負荷
應用的機器學習算法:強化學習
問題24:處理時序數據(如錄音、文本)
應用的機器學習算法:循環神經網絡、LSTM
問題25:機器翻譯
應用的機器學習算法:循環神經網絡
問題26:圖像標題生成
應用的機器學習算法:循環神經網絡
問題27:聊天機器人,提供解決客戶需求和查詢服務
應用的機器學習算法:循環神經網絡
希望本文能幫你理解這些機器學習算法,並針對特定問題選擇合適的方法。
也可以加一下老胡的微信
圍觀朋友圈~~~
推薦閱讀
(點擊標題可跳轉閱讀)
老鐵,三連支持一下,好嗎?↓↓↓
本文分享自微信公衆號 - 機器學習算法與Python實戰(tjxj666)。
如有侵權,請聯繫 [email protected] 刪除。
本文參與“OSC源創計劃”,歡迎正在閱讀的你也加入,一起分享。