轻松看懂机器学习十大常用算法知识分享Word文件下载.docx
《轻松看懂机器学习十大常用算法知识分享Word文件下载.docx》由会员分享,可在线阅读,更多相关《轻松看懂机器学习十大常用算法知识分享Word文件下载.docx(15页珍藏版)》请在冰豆网上搜索。
2.随机森林算法
3.逻辑回归
4.SVM
5.朴素贝叶斯
6.K最近邻算法
7.K均值算法
8.Adaboost算法
9.神经网络
10.马尔可夫
根据一些feature进行分类,每个节点提一个问题,通过判断,将数据分为两类,再继续提问。
这些问题是根据已有数据学习出来的,再投入新数据的时候,就可以根据这棵树上的问题,将数据划分到合适的叶子上。
2.随机森林
视频
在源数据中随机选取数据,组成几个子集
S矩阵是源数据,有1-N条数据,ABC是feature,最后一列C是类别
由S随机生成M个子矩阵
这M个子集得到M个决策树
将新数据投入到这M个树中,得到M个分类结果,计数看预测成哪一类的数目最多,就将此类别作为最后的预测结果
当预测目标是概率这样的,值域需要满足大于等于0,小于等于1的,这个时候单纯的线性模型是做不到的,因为在定义域不在某个范围之内时,值域也超出了规定区间。
所以此时需要这样的形状的模型会比较好
那么怎么得到这样的模型呢?
这个模型需要满足两个条件大于等于0,小于等于1
大于等于0的模型可以选择绝对值,平方值,这里用指数函数,一定大于0
小于等于1用除法,分子是自己,分母是自身加上1,那一定是小于1的了
再做一下变形,就得到了logisticregression模型
通过源数据计算可以得到相应的系数了
最后得到logistic的图形
supportvectormachine
要将两类分开,想要得到一个超平面,最优的超平面是到两类的margin达到最大,margin就是超平面与离它最近一点的距离,如下图,Z2>
Z1,所以绿色的超平面比较好
将这个超平面表示成一个线性方程,在线上方的一类,都大于等于1,另一类小于等于-1
点到面的距离根据图中的公式计算
所以得到totalmargin的表达式如下,目标是最大化这个margin,就需要最小化分母,于是变成了一个优化问题
举个栗子,三个点,找到最优的超平面,定义了weightvector=(2,3)-(1,1)
得到weightvector为(a,2a),将两个点代入方程,代入(2,3)另其值=1,代入(1,1)另其值=-1,求解出a和截矩w0的值,进而得到超平面的表达式。
a求出来后,代入(a,2a)得到的就是supportvector
a和w0代入超平面的方程就是supportvectormachine
举个在NLP的应用
给一段文字,返回情感分类,这段文字的态度是positive,还是negative
为了解决这个问题,可以只看其中的一些单词
这段文字,将仅由一些单词和它们的计数代表
原始问题是:
给你一句话,它属于哪一类
通过bayesrules变成一个比较简单容易求得的问题
问题变成,这一类中这句话出现的概率是多少,当然,别忘了公式里的另外两个概率
栗子:
单词love在positive的情况下出现的概率是0.1,在negative的情况下出现的概率是0.001
6.K最近邻
knearestneighbours
给一个新的数据时,离它最近的k个点中,哪个类别多,这个数据就属于哪一类
要区分猫和狗,通过claws和sound两个feature来判断的话,圆形和三角形是已知分类的了,那么这个star代表的是哪一类呢
k=3时,这三条线链接的点就是最近的三个点,那么圆形多一些,所以这个star就是属于猫
7.K均值
想要将一组数据,分为三类,粉色数值大,黄色数值小
最开心先初始化,这里面选了最简单的3,2,1作为各类的初始值
剩下的数据里,每个都与三个初始值计算距离,然后归类到离它最近的初始值所在类别
分好类后,计算每一类的平均值,作为新一轮的中心点
几轮之后,分组不再变化了,就可以停止了
8.Adaboost
adaboost是bosting的方法之一
bosting就是把若干个分类效果并不好的分类器综合起来考虑,会得到一个效果比较好的分类器。
下图,左右两个决策树,单个看是效果不怎么好的,但是把同样的数据投入进去,把两个结果加起来考虑,就会增加可信度
adaboost的栗子,手写识别中,在画板上可以抓取到很多features,例如始点的方向,始点和终点的距离等等
training的时候,会得到每个feature的weight,例如2和3的开头部分很像,这个feature对分类起到的作用很小,它的权重也就会较小
而这个alpha角就具有很强的识别性,这个feature的权重就会较大,最后的预测结果是综合考虑这些feature的结果
NeuralNetworks适合一个input可能落入至少两个类别里
NN由若干层神经元,和它们之间的联系组成
第一层是input层,最后一层是output层
在hidden层和output层都有自己的classifier
input输入到网络中,被激活,计算的分数被传递到下一层,激活后面的神经层,最后output层的节点上的分数代表属于各类的分数,下图例子得到分类结果为class1
同样的input被传输到不同的节点上,之所以会得到不同的结果是因为各自节点有不同的weights和bias
这也就是forwardpropagation
MarkovChains由state和transitions组成
栗子,根据这一句话‘thequickbrownfoxjumpsoverthelazydog’,要得到markovchain
步骤,先给每一个单词设定成一个状态,然后计算状态间转换的概率
这是一句话计算出来的概率,当你用大量文本去做统计的时候,会得到更大的状态转移矩阵,例如the后面可以连接的单词,及相应的概率
生活中,键盘输入法的备选结果也是一样的原理,模型会更高级