机器学习中有哪些常用的算法?
计算机/软件
0 386
0
该提问暂无详细描述
收藏
2021-01-06 03:22 更新 天明 •  893
共 1 个回答
高赞 时间
0

我将根据机器学习中常见问题的类型进行回答:

分类和回归问题:

  • XGBoost:通常能提供最佳的结果。
  • 随机森林:它的性能往往比XGboost差一些,但由于易于部署并且在许多问题上都具有良好的效果,因此在业界得到了广泛的使用。
  • SVM:它有许多有用的变体,对于某些问题来说是最好的选择,例如文本分类。

图片分类:

  • 卷积神经网络:最近很热门的算法。

聚类:

  • K-Means:很老的算法但目前还在行业中的大多数集群应用程序中使用,通常在精度和速度上没有其他算法好。
  • HDBScan:一种“新”算法,非常适合检测不同大小和密度的簇。

推荐系统:

  • 协同过滤:始终以某种方式成为系统的一部分。
  • SVD ++:自Netflix竞赛以来,此方法已成为检测潜在功能的标准方法,并且始终是在推荐程序中提高结果的一种方法。请注意它与SVD无关。

降维:

  • SVD: 永远是第一选择。 (PCA是一样的)
  • NMF: 当SVD无法提供你需要的功能时。

表示:

  • 深度自动编码器:几个深度学习系统的关键部分,也是找到表示数据集的最佳功能集的最佳方法之一。
  • 稀疏过滤:一种计算量较少的好方法。
  • Hash Kernels:速度非常快,通常会带来非常好的效果。

可视化:

  • T-SNE:在二维或三维中可视化多维数据集的最新技术。

时间序列和顺序:

  • LSTM:LSTM是递归神经网络,能够“记住”过去的事物,是情感分析等领域的最新技术。

除此之外,还有MCMC和贝叶斯网络:虽然很复杂,但理论上可以通过良好的贝叶斯分析和MCMC来解决任何问题。

收藏
2021-01-06 03:48 更新 Lisa •  1167