一、总结
一句话总结：
先纵向专深，再横向扩展：学习方法
机器学习中：但凡能够把数据映射到多维空间，那么事情就变的比较好解决了
1、分层聚类
2、KNN
3、基于密度的聚类DBSCAN
4、K-means
5、自组织映射SOM
6、PCA
7、LDA
8、MDS
9、朴素贝叶斯
10、数据降维
11、感知机
12、GMM
13、EM
14、LVQ
15、HMM
16、熵，条件熵
17、决策树
18、CART算法
19、梯度下降
20、logistics回归
21、Adaboost
22、SMO
23、随机森林
1、机器学习的分类问题适合用哪些算法？
决策树、KNN、SVM、神经网络
2、机器学习的回归问题适合用哪些算法？
简单线性回归、多元回归、非线性回归、相关系数、R平方值
3、机器学习的非监督学习-聚类适合用哪些算法？
K-means，层次聚类
二、机器学习算法有哪些？
机器学习算法有哪些？
1、分层聚类
2、KNN
3、基于密度的聚类DBSCAN
4、K-means
5、自组织映射SOM
6、PCA
7、LDA
8、MDS
9、朴素贝叶斯
10、数据降维
11、感知机
12、GMM
13、EM
14、LVQ
15、HMM
16、熵，条件熵
17、决策树
18、CART算法
19、梯度下降
20、logistics回归
21、Adaboost
22、SMO
23、随机森林
分类
1、分类问题：决策树、KNN、SVM、神经网络
2、回归问题：简单线性回归、多元回归、非线性回归、相关系数、R平方值
3、非监督学习-聚类：K-means，层次聚类
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
