lmw0320 2019-04-14 09:36 采纳率: 75%
浏览 751
已采纳

机器学习模型及其算法的框架疑问

刚开始学机器学习,对其中的模型及其适用的算法,都有些没搞明白。。也努力去看了些文章,还是越高越迷糊。。求高手指点一二。。
我自己弄了下大致框架,就是想知道到底哪些模型,适用哪些算法?(这个神经网络,按正常分类,应该属于深度学习范畴的,到底属于生成法还是判别法,还是都不算?)
现在什么梯度下降法,极大似然估计,最小二乘法,核函数等,简直把我搞晕了。。
图片说明

  • 写回答

1条回答 默认 最新

  • threenewbee 2019-04-14 09:44
    关注

    lz的采纳率偏低,如果问题解决,请及时采纳,这样才能更好更详细地回答lz的问题。

    感知机可以理解为单层的神经网络
    多层的神经网络叫做深度学习
    决策树解决的是无非线性因素的分类
    随机森林是多决策树
    KNN是用最小距离法做聚类的
    贝叶斯是根据先验概率去做统计的算法
    马尔可夫可以理解为多个贝叶斯概率串起来解决状态转移的概率
    支持向量机是利用线性算法去拟合分割平面的分类算法
    逻辑回归解决的是连续型拟合(分类相当于离散型)
    梯度下降并不是机器学习的算法,而是神经网络的反向传播算法,用来调整权重参数
    最小二乘法也是类似的,它也是一种参数估计的算法
    深度学习即可做生成(升维,解码),也可以做判别(或者叫分类,降维,编码)

    本回答被题主选为最佳回答 , 对您是否有帮助呢?
    评论

报告相同问题?