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
若不方便扫码,搜微信号:CDAshujufenxi
你是否被统计学复杂的理论和晦涩的公式劝退过?别担心,“山有木兮:统计学极简入门(Python)” 将为你一一化解这些难题。课程 ...
2025-03-31在电商、零售、甚至内容付费业务中,你真的了解你的客户吗? 有些客户下了一两次单就消失了,有些人每个月都回购,有些人曾经是 ...
2025-03-31在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的需求持续飙升。世界经济论坛发布的《未来就业报告》, ...
2025-03-28你有没有遇到过这样的情况?流量进来了,转化率却不高,辛辛苦苦拉来的用户,最后大部分都悄无声息地离开了,这时候漏斗分析就非 ...
2025-03-27TensorFlow Datasets(TFDS)是一个用于下载、管理和预处理机器学习数据集的库。它提供了易于使用的API,允许用户从现有集合中 ...
2025-03-26"不谋全局者,不足谋一域。"在数据驱动的商业时代,战略级数据分析能力已成为职场核心竞争力。《CDA二级教材:商业策略数据分析 ...
2025-03-26当你在某宝刷到【猜你喜欢】时,当抖音精准推来你的梦中情猫时,当美团外卖弹窗刚好是你想吃的火锅店…… 恭喜你,你正在被用户 ...
2025-03-26当面试官问起随机森林时,他到底在考察什么? ""请解释随机森林的原理""——这是数据分析岗位面试中的经典问题。但你可能不知道 ...
2025-03-25在数字化浪潮席卷的当下,数据俨然成为企业的命脉,贯穿于业务运作的各个环节。从线上到线下,从平台的交易数据,到门店的运营 ...
2025-03-25在互联网和移动应用领域,DAU(日活跃用户数)是一个耳熟能详的指标。无论是产品经理、运营,还是数据分析师,DAU都是衡量产品 ...
2025-03-24ABtest做的好,产品优化效果差不了!可见ABtest在评估优化策略的效果方面地位还是很高的,那么如何在业务中应用ABtest? 结合企业 ...
2025-03-21在企业数据分析中,指标体系是至关重要的工具。不仅帮助企业统一数据标准、提升数据质量,还能为业务决策提供有力支持。本文将围 ...
2025-03-20解锁数据分析师高薪密码,CDA 脱产就业班助你逆袭! 在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的 ...
2025-03-19在 MySQL 数据库中,查询一张表但是不包含某个字段可以通过以下两种方法实现:使用 SELECT 子句以明确指定想要的字段,或者使 ...
2025-03-17在当今数字化时代,数据成为企业发展的关键驱动力,而用户画像作为数据分析的重要成果,改变了企业理解用户、开展业务的方式。无 ...
2025-03-172025年是智能体(AI Agent)的元年,大模型和智能体的发展比较迅猛。感觉年初的deepseek刚火没多久,这几天Manus又成为媒体头条 ...
2025-03-14以下的文章内容来源于柯家媛老师的专栏,如果您想阅读专栏《小白必备的数据思维课》,点击下方链接 https://edu.cda.cn/goods/sh ...
2025-03-13以下的文章内容来源于刘静老师的专栏,如果您想阅读专栏《10大业务分析模型突破业务瓶颈》,点击下方链接 https://edu.cda.cn/go ...
2025-03-12以下的文章内容来源于柯家媛老师的专栏,如果您想阅读专栏《小白必备的数据思维课》,点击下方链接 https://edu.cda.cn/goods/sh ...
2025-03-11随着数字化转型的加速,企业积累了海量数据,如何从这些数据中挖掘有价值的信息,成为企业提升竞争力的关键。CDA认证考试体系应 ...
2025-03-10