【Udacity笔记】What is Machine Learning?
Teaching computers to learn to perform tasks from past experiences(recorded data)
一、Decision Tree(决策树)
——Example:for recommend app
二、Naive Bayes Algorithm(朴素贝叶斯)
——Example:for detecting Spam e-mails(垃圾邮件)
三、Gradient descent(梯度下降)
——Example:Minimize the Error
四、Linear Regression(线性回归)
——Example:Price of a house
五、(对数几率回归)
Logistic Regression(逻辑回归)
Log loss function (对数损失函数)——代表错误数目
最小化误差函数——结合梯度下降算法
爬山——每一步都走梯度下降最快的(误差减小更多)
六、Support Vector Machine(支持向量机SVM)
- Cutting data with style
- Support——靠近边界的点被称为支撑(support)
七、Kernel Trick(核函数)
- when a line is not enough
八、Neural Network(神经网络)
九、类比忍者
十、K均值聚类(K-Means Clustering)
- Example pizza parlors
- 需要预知最后分成几组
十一、层次聚类(Hierarchical Clustering)
- 无需预知最后聚类数目