机器学习算法比较

robinz

有大量的机器学习(ML)算法可用。在本文中,我将描述和概述常见ML算法的优缺点。

选择合适的机器学习算法是基于试错法。尽管我们可以使用蛮力方法,并尝试所有可能的算法来找到正确的算法,但是如果我们理解算法之间的区别,它可以节省时间和成本。

一种算法不能解决所有的机器学习问题

选择最优算法取决于它的特性,比如速度、预测精度、训练时间、训练所需的数据量、实现的难易程度、向别人解释它的难易程度,因为数据科学家的一项大任务是讨论和解释模式和机器学习(ML)算法,最重要的是算法能否解决问题。

机器学习算法可以分为三类:

机器学习算法比较

监督算法比较

可用于查找数据之间的关系

机器学习算法比较

无监督算法

可用于查找异常数据项,然后使用异常检测,例如从大量事务中查找欺诈事务。

机器学习算法比较

强化学习

通过互动学习环境,主要用于机器人和游戏。

机器学习算法比较

神经网络

最后,我想简要介绍一下神经网络算法。它可以用作监督,无监督和强化学习。

机器学习算法比较

最后

有大量的ML算法可供使用。为您的问题选择最佳算法取决于试验和错误,它有助于理解算法以加快过程。本文比较了常见的ML算法并解释了它们的优缺点。

相关推荐