Please enable JavaScript.

Coggle requires JavaScript to display documents.

演算法分類 (從學習方式分類 (演算法對一個問題建模的方式很多，可以基於經歷、環境，或者任何我們稱之為輸入資料的東西。機器學習和人工智慧的教科書通常…

- - - - 迴歸分析是研究自變數和因變數之間關係的一種預測模型技術。這些技術應用於預測時間序列模型和找到變數之間關係。迴歸分析也是一種常用的統計學方法，經由統計機器學習融入機器學習領域。“迴歸”既可以指演算法也可以指問題，因此在指代的時候容易混淆。實際上，迴歸就是一個過程而已。
        “迴歸”演算法本質上也是“分類”演算法，只不過預測的是不是類別而是一個數值。
        
        線性迴歸
        
        邏輯迴歸Logistic Regression
        
        (用於監督式學習的分類問題，而非迴歸問題)
        
        最小二乘法（Ordinary Least Square）
    - - 這類模型通常會建一個樣本資料庫，比較新的資料和資料庫裡的資料，通過這種方式找到最佳匹配並做出預測。換句話說，這類演算法在做預測時，一般會使用相似度準則，比對待預測的樣本和原始樣本之間的相似度，再做出預測
        
        k-鄰近演算法(KNN）
        
        學習向量量化演算法（LVQ）
    - - 單層決策樹
      - 條件決策樹
      - 隨機森林
    - - 貝葉斯網路（BN）
      - 樸素貝葉斯
    - - k-Means(均值)
    - - 感知機
      - 反向傳播演算法（BP 神經網路）
      - 學習向量量化（ LVQ）
    - - 是人工神經網路的升級版，會搭建規模更大、結構更復雜的神經網路，正如上文所說，很多深度學習方法都涉及半監督學習問題，這種問題的資料一般量極大，而且只有很少部分帶有標籤
        
        卷積神經網路（CNN）
        
        卷积也就是说神经网络不再是对每个像素的输入信息做处理了,而是图片上每一小块像素区域进行处理, 这种做法加强了图片信息的连续性. 使得神经网络能看到图形, 而非一个点。
        一張圖片由像素點構成，一張圖有長寬高，高就是顏色，黑白=1彩色=3，CNN就是把圖片長寬壓縮高度提高，最後用高度裡的訊息變成分類器。
        CNN會將圖片一小部分抽取做壓縮增高，這一小部分稱為patch或kernel，CNN每次抽取都會跨一個距離，該距離稱為stride。
        CNN抽取訊息的方式叫padding，valid padding表示抽取不超出邊界，所以出來的圖片比原先小一點，same padding表示抽取可超過邊界，所以和原圖一樣長和寬
        CNN還有一個pooling，原圖片抽離訊息而縮小增高可能會丟失一些訊息，因為stride太長，因此我們保持stride=1去抽離訊息，再透過pooling去縮小圖片
        
        深度信念網路（DBN）
        
        深度玻爾茲曼機（DBM）
        
        RNN
        
        數據若有順序就用RNN
    - - 主成分分析法（PCA）
      - 主成分迴歸（PCR）
    - - 整合演算法是一個模組。從技術上說，整合演算法是單獨訓練幾個監督模型，並將訓練好的模型以不同的方式進行融合，從而達到最終的得預測結果。整合後的模型比其中任何一個單獨的模型都有更高的預測能力。
        
        隨機森林
        
        Adaboost
        
        梯度提升分類器
    - - 支援向量機（SVM）
        
        SVM=Support Vector Machine 是支持向量
        
        SVC=Support Vector Classification就是支持向量机用于分类
        
        SVR=Support Vector Regression.就是支持向量机用于回归分析