機器學習是人工智慧行業的乙個創新且重要的領域。我們為機器學習程式選擇的演算法型別，取決於我們想要實現的目標。現在，機器學習有很多演算法。可能對於初學者來說，這是相當不堪重負的。此前，educative.io 聯合創始人法希姆烏爾哈克（fahim ul haq）發文簡要介紹了幾種流行的機器學習演算法，幫助初學者進入機器學習的世界。
1. 線性回歸
線性回歸（linear regression）可能是最流行的機器學習演算法。線性回歸就是要找一條直線，並且讓這條直線盡可能地擬合散點圖中的資料點。它試圖通過將直線方程與該資料擬合來表示自變數（x 值）和數值結果（y 值）。然後就可以用這條線來**未來的值。
這種演算法最常用的技術是最小二乘法（least of squares）。這個方法計算出最佳擬合線，以使得與直線上每個資料點的垂直距離最小，總距離是所有資料點的垂直距離的平方和。其思想是通過最小化這個平方誤差或距離來擬合模型。
2. 邏輯回歸
邏輯回歸（logistic regression）與線性回歸類似，但它是用於輸出為二進位制的情況（即，當結果只能有兩個可能的值）。對最終輸出的**是乙個非線性的 s 型函式（稱為 logistic function, g()）。
這個邏輯函式將中間結果值對映到結果變數 y，其值範圍從 0 到 1。然後，這些值可以解釋為 y 出現的概率。s 型邏輯函式的性質使得邏輯回歸更適合用於分類任務。
3. 決策樹
決策樹（decision trees）可用於回歸和分類任務。在這一演算法中，訓練模型通過學習樹表示（tree representation）的決策規則來學習**目標變數的值。樹是由具有相應屬性的節點組成的。
在每個節點上，人們根據可用的特徵詢問有關資料的問題。左右分支代表可能的答案，最終節點（即葉節點）對應於乙個**值。每個特徵的重要性是通過自頂向下方法確定的。節點越高，其屬性就越重要。
4. 支援向量機（svm）
支援向量機（support vector machine）是一種用於分類問題的監督演算法。支援向量機試圖在資料點之間繪製兩條線，它們之間的邊距最大。為此，要將資料項繪製為 n 維空間中的點，其中，n 是輸入特徵的數量。在此基礎上，支援向量機找到乙個最優邊界，稱為超平面（hyperplane），它通過類標籤將可能的輸出進行最佳分離。
超平面與最近的類點之間的距離稱為邊距。最優超平面具有最大的邊界，可以對點進行分類，從而使最近的資料點與這兩個類之間的距離最大化。
5. k- 均值
k- 均值（k-means）是通過對資料集進行分類來聚類的。例如，這個演算法可用於根據購買歷史將使用者分組。它在資料集中找到 k 個聚類。k- 均值用於無監督學習，因此，你只需使用訓練資料 x，以及你想要識別的聚類數量 k。
該演算法根據每個資料點的特徵，將每個資料點迭代地分配給 k 個組中的乙個組。它為每個 k- 聚類選擇 k 個點。 k- 聚類又稱為質心，基於相似度，將新的資料點新增到具有最近質心的聚類中，這個過程一直持續到質心停止變化為止。
6. 降維
隨著人們捕獲的資料量越來越大，機器學習問題也變得更加複雜。這就意味著訓練極其緩慢，而且很難找到乙個好的解決方案。這一問題，通常被稱為「維數災難」（curse of dimensionality）。
降維（dimensionality reduction）試圖在不丟失最重要資訊的情況下，通過將特定的特徵組合成更高層次的特徵來解決這個問題。主成分分析（principal component analysis，pca）是最流行的降維技術。
主成分分析通過將資料集壓縮到低維線或超平面 / 子空間來降低資料集的維數。這盡可能地保留了原始資料的顯著特徵。
以上就是當下流行的幾種機器學習演算法，除此以外，還有樸素貝葉斯、k- 最近鄰演算法（knn）、 隨機森林、人工神經網路（ann）等也是有名的機器學習演算法。
機器學習常見的六大錯誤
現乙個key value的資料庫，那麼有很多種模式都可以實現，但是他們最終所達到的效果卻是千差萬別的。同樣，在機器學習領域，如果我想實現乙個分類器，也有很多種演算法，但是每種演算法都對資料做了不同的前提假設。曾經當我們處理少量資料的時候，我們往往可以先設計若干種演算法，然後每種都測試一下，選擇一種最...
機器學習常見的六大錯誤
現乙個key value的資料庫，那麼有很多種模式都可以實現，但是他們最終所達到的效果卻是千差萬別的。同樣，在機器學習領域，如果我想實現乙個分類器，也有很多種演算法，但是每種演算法都對資料做了不同的前提假設。曾經當我們處理少量資料的時候，我們往往可以先設計若干種演算法，然後每種都測試一下，選擇一種最...
Golang實現常用六大排序演算法
使用golang實現了以下排序演算法 package main import fmt math rand sort time const num 10000 測試陣列的長度 rangenum 100000 陣列元素大小範圍 func main 生成隨機數組 func generaterand int...