人工智能机器学习常用算法总结及各个常用算法精确率对比

人工智能机器学习常用算法总结及各个常用算法精确率对比人工智能机器学习常用算法总结及各个常用算法精确率对比

主要介绍了人工智能机器学习常用算法总结及各个常用算法精确率对比,需要的朋友可以参考下

本文讲解了机器学习常用算法总结和各个常用分类算法精确率对比。收集了现在比较热门的TensorFlow、Sklearn，借鉴了Github和一些国内外的文章。

机器学习的知识树，这个图片是Github上的，有兴趣的可以自己去看一下：

地址：https://github.com/trekhleb/homemade-machine-learning

简单的翻译一下这个树：

英文英文 中文中文

Machine Learning 机器学习

监督学习监督学习

监督学习可以看作是原先的预测模型，有基础的训练数据，再将需要预测的数据进行输入，得到预测的结果（不管是连续的还是离散的）

决策树（决策树（Decision Tree，，DT））

决策树是一种树形结构，为人们提供决策依据，决策树可以用来回答yes和no问题，它通过树形结构将各种情况组合都表示出来，每个分支表示一次选择（选择yes还是

no），直到所有选择都进行完毕，最终给出正确答案。

决策树（decision tree）是一个树结构（可以是二叉树或非二叉树）。在实际构造决策树时，通常要进行剪枝，这时为了处理由于数据中的噪声和离群点导致的过分拟合问

题。剪枝有两种：

先剪枝——在构造过程中，当某个节点满足剪枝条件，则直接停止此分支的构造。

后剪枝——先构造完成完整的决策树，再通过某些条件遍历树进行剪枝。