導讀 ：人工智能是計算機科學的一個分支，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器，
整理了一份關于python基礎，影像處理opencv\自然語言處理、機器學習、數學基礎等資源庫，想學習人工智能或者轉行到高薪資行業的，大學生都非常實用，無任何套路免費提供,，加我裙966367816 也可以領取的內部資源，人工智能題庫，大廠面試題 學習大綱 自學課程大綱還有200GAI資料大禮包免費送哦~
1、決策樹
根據一些feature(特征）進行分類，每個節點提一個問題，通過判斷，將資料分為兩類，再繼續提問，這些問題是根據已有資料學習出來的，再投入新資料的時候，就可以根據這棵樹上的問題，將資料劃分到合適的葉子上，
2、隨機森林
隨機森林是集成學習的一個子類，它依靠于決策樹的投票選擇來決定最后的分類結果，集成學習通過建立幾個模型組合的來解決單一預測問題，集成學習的簡單原理是生成多個分類器/模型，各自獨立地學習和作出預測，這些預測最后結合成單預測，因此優于任何一個單分類的做出預測，
隨機森林的構建程序：
假設N表示訓練用例（樣本）個數，M表示特征數目，隨機森林的構建程序如下：
- 輸入特征數目m，用于確定決策樹上一個節點的決策結果；其中m應遠小于M，
- 從N個訓練用例（樣本）中以有放回抽樣的方式，取樣N次，形成一個訓練集，并用未抽到的用例（樣本）作預測，評估其誤差，
- 對于每一個節點，隨機選擇m個特征，決策樹上每個節點的決定都是基于這些特征確定的，根據m個特征，計算其最佳的分裂方式，
- 每棵樹都會完整成長而不會剪枝，這有可能在建完一棵正常樹狀分類器后會被采用，
- 重復上述步驟，構建另外一棵棵決策樹，直到達到預定數目的一群決策樹為止，即構建好了隨機森林，其中，預選變數個數（m）和隨機森林中樹的個數是重要引數，對系統的調優非常關鍵，這些引數在調節隨機森林模型的準確性方面也起著至關重要的作用，科學地使用這些指標，將能顯著的提高隨機森林模型作業效率，
3、 邏輯回歸
基本上，邏輯回歸模型是監督分類算法族的成員之一， Logistic 回歸通過使用邏輯函式估計概率來測量因變數和自變數之間的關系，
邏輯回歸與線性回歸類似，但邏輯回歸的結果只能有兩個的值，如果說線性回歸是在預測一個開放的數值，那邏輯回歸更像是做一道是或不是的判斷題，
邏輯函式中Y值的范圍從 0 到 1，是一個概率值，邏輯函式通常呈S 型，曲線把圖表分成兩塊區域，因此適合用于分類任務，
比如上面的邏輯回歸曲線圖，顯示了通過考試的概率與學習時間的關系，可以用來預測是否可以通過考試，
4、線性回歸
所謂線性回歸，就是利用數理統計中的回歸分析，來確定兩種或兩種以上變數間，相互依賴的定量關系的一種統計分析方法，
線性回歸（Linear Regression）可能是最流行的機器學習演算法，它試圖通過將直線方程與該資料擬合來表示自變數（x 值）和數值結果（y 值），然后就可以用這條線來預測未來的值！
這種演算法最常用的技術是最小二乘法（Least of squares），這個方法計算出最佳擬合線，以使得與直線上每個資料點的垂直距離最小，總距離是所有資料點的垂直距離（綠線）的平方和，其思想是通過最小化這個平方誤差或距離來擬合模型，
5、樸素貝葉斯
樸素貝葉斯（Naive Bayes）是基于貝葉斯定理，即兩個條件關系之間，它測量每個類的概率，每個類的條件概率給出 x 的值，這個演算法用于分類問題，得到一個二進制“是 / 非”的結果，
樸素貝葉斯分類器是一種流行的統計技術，經典應用是過濾垃圾郵件，
6、神經網路
Neural Networks適合一個input可能落入至少兩個類別里:NN由若干層神經元，和它們之間的聯系組成，第一層是input層，最后一層是output層，在hidden層和output層都有自己的classifier，
input輸入到網路中，被激活，計算的分數被傳遞到下一層，激活后面的神經層，最后output層的節點上的分數代表屬于各類的分數，下圖例子得到分類結果為class 1;同樣的input被傳輸到不同的節點上，之所以會得到不同的結果是因為各自節點有不同的weights和bias，這也就是forward propagation，
7、K- 均值
K- 均值（K-means）是通過對資料集進行分類來聚類的，例如，這個演算法可用于根據購買歷史將用戶分組，它在資料集中找到 K 個聚類，K- 均值用于無監督學習，因此，我們只需使用訓練資料 X，以及我們想要識別的聚類數量 K，
先要將一組資料，分為三類，粉色數值大，黃色數值小，最開始先初始化，這里面選了最簡單的3，2，1作為各類的初始值，剩下的資料里，每個都與三個初始值計算距離，然后歸類到離它最近的初始值所在類別，
欺詐檢測中應用廣泛，例如醫療保險和保險欺詐檢測領域
8、支持向量機
要將兩類分開，想要得到一個超平面，最優的超平面是到兩類的 margin達到最大，margin就是超平面與離它最近一點的距離，
是一種用于分類問題的監督演算法，支持向量機試圖在資料點之間繪制兩條線，它們之間的邊距最大，為此，我們將資料項繪制為 n 維空間中的點，其中，n 是輸入特征的數量，在此基礎上，支持向量機找到一個最優邊界，稱為超平面（Hyperplane），它通過類標簽將可能的輸出進行最佳分離，
應用于面部識別、文本分類等
9、K- 最近鄰演算法
給一個新的資料時，離它最近的k個點中，哪個類別多，這個資料就屬于哪一類，
例子∶要區分“貓”和“狗”，通過“claws”和“sound”兩個feature來判斷的話，圓形和三角形是已知分類的了，那么這個“star”代表的是哪一類呢?
10、降維
降維（Dimensionality reduction）試圖在不丟失最重要資訊的情況下，通過將特定的特征組合成更高層次的特征來解決這個問題，主成分分析（Principal Component Analysis，PCA）是最流行的降維技術，
主成分分析通過將資料集壓縮到低維線或超平面 / 子空間來降低資料集的維數，這盡可能地保留了原始資料的顯著特征，
整理了一份關深度學習 和機器視覺的資料，有python基礎，影像處理opencv\自然語言處理、機器學習、數學基礎等資源庫，想學習人工智能或者轉行到高薪資行業的，大學生都非常實用，無任何套路免費提供,，加我裙966367816下載，+vx也可以領取的內部資源，人工智能題庫，大廠面試題 學習大綱 自學課程大綱還有200GAI資料大禮包免費送哦~
有什么問題都可以來問我
歡迎大家掃碼 獲取AI免費視頻資料
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/300954.html
標籤：AI
上一篇：【CSDN】【從800+CSDN支持的Emoji表情中篩選出文章標題可用的 1?? 2?? 4?? 個表情并進行分類】（文章標題如何使用Emoji表情）??