机器学习算法大全（MLS-C01）

本文主要是介绍机器学习算法大全（MLS-C01），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！

算法名字	监督学习	简介和用途
协同过滤	是	推荐算法
Factorization Machines algorithm	否	推荐算法，准确度更高，不会误打扰。
KNN	否	利用已知样本，找最邻近的样本的分类算法
K-means	否	聚类算法
RCF	否	异常检测
Latent Dirichlet Allocation	否	主题提取和文本分类
Long short term memory	是	序列预测，语言模型
SVM	是	分类
DeepAR	是	回归RNN预测时序分布的模型
CNN	是	卷积神经网络，常用于图像领域
ResNet-50	N/A	CNN的一种，图像识别
Generative Adversarial Nets	N/A	图像生成
Semantic Segmentation	是	将图像中的每个像素分配到特定的类别，需要大量训练。
CNN-QR	是	时序预测，且是唯一一个可以接收相关序列的模型算法比如天气
RNN	是	循环神经网络，时序预测
XGBoost	是	分类和回归算法
CatBoost	是	分类算法
Regression forest	是	回归算法，常用于填补缺失值
ARIMA	是	时序预测，效果比DeepAR差，适用于小数据集
Logistic regression	是	分类算法
PCA	否	主成分分析，常用于降维
t-SNE	否	高维可视化和降维算法
Reinforcement Learning	N/A	学习如何采取行动以最大化累积奖励。比如投资机器人。
Multi-agent Reinforcement	N/A	多智能强化学习，比如处理交通问题。
Single Shot MultiBox Detector（SDD）	是	基于CNN的物体识别算法。
Sagemaker BlazingText	否	Word embedding，NLP文章分类
Sagemaker Neural Topic Model（NTM）	否	主题提取
IP Insight	是	IP分析
Prophet	是	时序预测，适用于季节强相关的序列
Exponential Smoothing	是	时序预测，适用于小数据集
Multidimensional Scaling	否	降维，高维可视化