现今机器学习(Mechain Learning)可谓是火的不行,会不会的都有兴趣来捣鼓两下,我也是一样。可是一提到机器学习,就出来一大堆什么模型啊,框架啊等等,原来不管什么模型框架,其实学习主要的还是选择的算法
。那么现如今主要涉及机器学习的算法主要有哪些呢?专业人员【老鸟】是怎样一下就选择出最佳的算法的呢?这才是像我这种初学者【菜鸟】首先应该关心的问题。
如今机器学习有哪些算法呢?
网上随便搜索一下,就出现一堆了,但大多差不多。都讲究是顺口、豪气,经常取名十大算法
,那对于菜鸟而言,记住十个应该就差不多了:线性回归,逻辑回归,决策树,朴素贝叶斯,支持向量机,K-最近邻算法,K-均值,随机森林,降维,人工神经网络
怎样选择最佳
算法呢?【扯淡,原来根本没什么捷径,只是尝试了很多,选择了最优的而已】
是不是感觉有点尴尬,破除自己的观念吧:老鸟选出最优算法,仅仅是从他跑过的算法中选择的而已。因此,菜鸟要是运气好,所不准针对一个项目,一下子就能找到比老鸟更好的算法哦【信心满满】。但是老鸟毕竟是老鸟,菜鸟们还是应该虚心学习的,毕竟经验是用生命积累的,宝贵的很。那么老鸟们是如何快速从那么多算法中一下子就确定可能哪些算法好,那些算法不好,以及自己需要跑哪些算法的呢?其实别人还是有一定的路径的:划重点:数据 + 目的 + 硬件 + 经验 + 各种尝试
。接下来就针对这几个方面进行说明。