入门准备
入门解惑
机器学习-需要学习哪些内容
作者 : 老饼 日期 : 2022-06-27 22:49:20 更新 : 2022-08-03 20:36:46
本站原创文章,转载请说明来自《老饼讲解-机器学习》ml.bbbdata.com


这里我们并不考虑机器学习学术上的知识体系和完整性,

而是描述实际应用中的使用体系、知名度和性价比。

需要学习的内容分为

  模型(算法)  

   求解算法    

   综合知识    


   01. 模型(算法)   



模型/算法可分为主线(核心)、支线和散装,主线是工作中常用的,核心的模型;支线是主线的一些变形、拓展;散装通常是较独立的,不常用但业务知名度广的。


(1)主线模型:

线性回归-->逻辑回归-->SVM                                                   
决策树-->集成算法(随机森林、Adboost、GBDT)-->Xgboost   
*PCA-->LDA-->FA-->ICA(该系列通常用于降维)                     
*线性回归-->岭回归-->Lasso回归                                               




(3) 散装:

KNN、K-means、朴素贝叶斯、隐马可夫链、Apriori


   02.  求解算法   


1、精确求解:线性方程最小二乘求解                                               
2、基于微分的优化算法:梯度下降、牛顿法与拟牛顿法、共轭梯度法
3、*启发式算法:模拟退火、遗传算法、蚁群算法                             

 加*的代表该系列优先度不高



   03.  综合知识   


常见的有:过拟合、正则化、数据清洗、模型训练、AUC、KS等等




这里只是把较具代表性的列出来,能搞完上面这些,已经不错了。

联系小饼