本文主要是介绍理解回忆 李烨的机器学习，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
理解回忆
李烨的机器学习
- 最速下降法
- 朴素贝叶斯分类模型
- 决策树
- 支持向量机
- 支持向量回归
最速下降法，找到目标函数的取值
朴素贝叶斯分类是在训练样本的基础上做一系列概率运算，然后用这些算出来的概率按朴素贝叶斯公式“拼装”成分类模型
逻辑回归，既分类又回归，模型函数在y=0.5附近非常敏感.
决策树，既分类又回归，找到目标熵最大的一个信息然后分类，从根节点开始，提取出待分类项中相应的特征，按照其值选择。ID3算法以信息增益为度量，选择分裂后信息增益最大的特征进行分裂，输出分支，依次向下，直到到达叶子节点，将叶子节点存放的类别或者回归函数的运算结果作为输出（决策）结果。
SVM, 支持向量机。寻找超平面， 以最大间隔把两类样本分开的超平面，是最佳超平面
分类的结果是离散的值，回归的是连续的值。
支持向量回归Support Vector Regression，SVR在线性函数两侧制造了一个“间隔带”，对于所有落入到间隔带内的样本，都不计算损失；只有间隔带之外的，才计入损失函数。之后再通过最小化间隔带的宽度与总损失来最优化模型。
最速下降法
朴素贝叶斯模型
逻辑回归
决策树
SVM，拉格朗日乘子法
SVR:
这篇关于理解回忆 李烨的机器学习的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
