机器学习的第一步:先学会这6种常用算法
机器学习领域不乏算法,但众多的算法中什么是最重要的?哪种是最适合您使用的?哪些又是互补的?使用选定资源的最佳顺序是什么?今天笔者就带大家一起来分析一下。
通用的机器学习算法包括:
* 决策树方法
* SVM
* 朴素贝叶斯方法
* KNN
* K均值
* 随机森林方法
下图是使用Python代码和R代码简要说明的常见机器学习算法。
决策树方法
决策树是一种主要用于分类问题的监督学习算法,它不仅适用于分类,同时也适用于连续因变量。在这个算法中,把种群组分为两个或两个以上更多的齐次集合。基于显著的属性和独立变量使群组尽可能地不同。
Python代码:
R代码:
SVM属于分类方法的一种。在这个算法中,可以将每个数据项绘制成一个n维空间中的一个点(其中n是拥有的特征数量),每个特征的值都是一个特定坐标的值。例如,我们只有两个特征:身高和头发长度,首先将这两个变量绘制在一个二维空间中,每个点有两个坐标(称为支持向量)。然后找到一些能将两个不同分类的数据组之间进行分割的数据。
Python代码:
R代码:
朴素贝叶斯方法
这是一种基于贝叶斯定理的分类技术,在预测变量之间建立独立的假设。简而言之,朴素贝叶斯分类器假定类中特定特征的存在与任何其他特征存在之间无关。朴素贝叶斯模型很容易构建,对于大型的数据集来说,朴素贝叶斯模型特别有用。最让人心动的是,虽然朴素贝叶斯算法很简单,但它的表现不亚于高度复杂的分类方法。
贝叶斯定理提供了一种计算P(c),P(x)和P(x | c)的后验概率的方法:P(c | x)。
P(c | x)是给定预测器(属性)的类(目标)的后验概率。
P(c)是类的先验概率。
P(x | c)是预测器给定类的概率的可能性。
P(x)是预测器的先验概率。
Python代码:
R代码:
KNN可以用于分类和回归问题。但在机器学习行业中分类问题更为广泛。K近邻是一种简单的算法,存储所有可用的案例,并通过其K个邻居的投票情况来分类新案例。KNN方法可以很容易地映射到我们的真实生活中,例如想了解一个陌生人,最好的方法可能就是从他的好朋友和生活子中获得信息!
选择KNN之前需要考虑的事项:
* 计算上昂贵。
* 变量需要被标准化,否则较高范围的变量可能会产生偏差。
* 在进行KNN之前,要进行很多预处理阶段工作。
Python代码:
R代码
K均值
K均值是一种解决聚类问题的无监督算法。其过程遵循一个简单易行的方法,通过一定数量的集群(假设K个聚类)对给定的数据集进行分类。集群内的数据点对同组来说是同质且异构的。
K-均值是如何形成一个集群:
* K-均值为每个群集选取K个点,称为质心。
* 每个数据点形成具有最接近的质心的群集,即K个群集。
* 根据现有集群成员查找每个集群的质心。筛选出新的质心。
* 由于出现了有新的质心,请重复步骤2和步骤3,从新质心找到每个数据点的最近距离,并与新的K个聚类关联。重复这个过程。
如何确定K的价值
在K-均值中,我们有集群,每个集群都有各自的质心。集群内质心和数据点之差的平方和构成了该集群的平方和的总和。另外,当所有群集的平方和的总和被加上时,它成为群集解决方案的平方和的总和。随着集群数量的增加,这个值会不断下降,但如果绘制结果的话,您可能会看到,平方距离的总和急剧下降到某个K值,然后会减缓下降速度。在这里,可以找到最佳的集群数。
Python代码:
R代码:
随机森林方法
随机森林是一个决策树集合的术语。在随机森林里,我们有一系列被称为森林的决策树。为了根据属性对一个新的对象进行分类,每棵树都给出了一个分类。
每棵树形成过程如下:
* 如果训练集中的例数为N,则随机抽取N个例样本,并进行替换。这个样本将成为树生长的的训练集。
* 如果有M个输入变量,则指定一个数m << M,从M中随机选择每个m变量,并且使用m上的最佳划分来分割节点。在森林生长期间,m的值保持不变。
* 让每棵树都尽可能地长到最大。
Python代码:
R代码:
数据分析咨询请扫描二维码
数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21大数据技术专业主要学习计算机科学、数学、统计学和信息技术等领域的基础理论和技能,旨在培养具备大数据处理、分析和应用能力的 ...
2024-11-21《Python数据分析极简入门》 第2节 3 Pandas数据查看 这里我们创建一个DataFrame命名为df: importnumpyasnpi ...
2024-11-21越老越吃香的行业主要集中在需要长时间经验积累和专业知识的领域。这些行业通常知识更新换代较慢,因此随着年龄的增长,从业者能 ...
2024-11-20数据导入 使用pandas库的read_csv()函数读取CSV文件或使用read_excel()函数读取Excel文件。 支持处理不同格式数据,可指定分隔 ...
2024-11-20大数据与会计专业是一门结合了大数据分析技术和会计财务理论知识的新型复合型学科,旨在培养能够适应现代会计业务新特征的高层次 ...
2024-11-20要成为一名数据分析师,需要掌握一系列硬技能和软技能。以下是成为数据分析师所需的关键技能: 统计学基础 理解基本的统计概念 ...
2024-11-20是的,Python可以用于数据分析。Python在数据分析领域非常流行,因为它拥有丰富的库和工具,能够高效地处理从数据清洗到可视化的 ...
2024-11-20在这个数据驱动的时代,数据分析师的角色变得愈发不可或缺。他们承担着帮助企业从数据中提取有价值信息的责任,而这些信息可以大 ...
2024-11-20数据分析作为现代信息时代的支柱之一,已经成为各行业不可或缺的工具。无论是在商业、科研还是日常决策中,数据分析都扮演着至关 ...
2024-11-20数字化转型已成为当今商业世界的热点话题。它不仅代表着技术的提升,还涉及企业业务流程、组织结构和文化的深层次变革。理解数字 ...
2024-11-20在现代社会的快速变迁中,选择一个具有长期增长潜力的行业显得至关重要。了解未来发展前景好的行业不仅能帮助我们进行职业选择, ...
2024-11-20统计学专业的就业方向和前景非常广泛且充满机遇。随着大数据、人工智能等技术的快速发展,统计学的重要性进一步凸显,相关人才的 ...
2024-11-20