是否在人類監督下進行訓練（監督，無監督和強化學習） 在機器學習中，無監督學習就是聚類，事先不知道樣本的類別，通過某種辦法，把相似的樣本放在一起歸位一類；而監督型學習就是有訓練樣本，帶有屬性標簽，也可以理解成樣本有輸入有輸出。 所有的回歸算法和分類算法都屬於監督學習。回歸和分類的算法區別在於輸出 ...

機器學習算法可以分為兩大類：監督學習與非監督學習。數據集構成：‘監督學習：特征值+目標值；非監督學習：特征值’。 監督學習： 分類：K-近鄰算法、貝葉斯分類、決策樹與隨機森林、邏輯回歸、神經網絡 回歸：線性回歸、嶺回歸 標注：隱馬爾可夫模型 注：分類：目標值離散型數據；回歸 ...

//2019.08.14#機器學習算法評價分類結果1、機器學習算法的評價指標一般有很多種，對於回歸問題一般有MAE,MSE，AMSE等指標，而對於分類算法的評價指標則更多：准確度score，混淆矩陣、精准率、召回率以及ROC曲線、PR曲線等。2、對於分類算法只用准確率的評價指標是不夠 ...

機器學習無疑是當前數據分析領域的一個熱點內容。很多人在平時的工作中都或多或少會用到機器學習的算法。本文為您總結一下常見的機器學習算法，以供您在工作和學習中參考。 機器學習的算法很多。很多時候困惑人們都是，很多算法是一類算法，而有些算法又是從其他算法中延伸出來的。這里，我們從兩個方面來給大家介紹 ...

機器學習的分類與主要算法對比 http://blog.csdn.net/sinat_27554409/article/details/72823984 重要引用：Andrew Ng Courera Machine Learning；從機器學習談起；關於機器學習的討論；機器學習常見算法分類匯總 ...

有關智能優化算法： 參考學習： https://blog.csdn.net/qq_25225255/article/details/82355211 https://blog.csdn.net/sinat_32547403/article/details/73008127 ...

一、概念 隨機森林（Random Forest）是一種由多個決策樹組成的分類器，是一種監督學習算法，大部分時候是用bagging方法訓練的。 bagging(bootstrap aggregating)，訓練多輪，每輪的樣本由原始樣本中隨機可放回取出n個樣本組成，最終的預測函數對分類問題采用 ...