机器学习的步骤都有哪些（二）-CDA数据分析师官网

热线电话：13121318867

机器学习的步骤都有哪些（二）

2019-02-19

在上一篇文章中我们给大家介绍了机器学习的步骤，机器学习中的步骤有三个，第一就是表示，第二就是评价，第三就是优化。上一篇文章中我们给大家介绍了机器学习的第一个步骤——表示，而表示还涉及到了一些算法，下面我们就给大家介绍一下这些内容。

机器学习中涉及到了很多的算法，比如K-近邻算法、回归模型、决策树、SVM 支持向量机。我们首先给大家说一下K-近邻算法。在机器学习当中，我们常见的有 K-近邻算法。K-近邻算法实际上就是，找到一个样本点和这个样本点最近的几个邻居，最近的这K个邻居。按照少数服从多数的原则，对它进行分类，这就是 K-近邻算法。而回归模型也是表示步骤中使用最多的内容。回归模型是一种预测性的建模技术，它研究的是因变量和自变量之间的关系。这种技术通常用于预测分析，时间序列模型以及发现变量之间的因果关系。除此之外，还有线性回归，这样的统计学习方法。当然，对二分类我们可以建立逻辑回归模型。

然后我们说一下决策树，是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干，故称决策树。在机器学习中，决策树是一个预测模型，他代表的是对象属性与对象值之间的一种映射关系。决策树它不依赖于数据，它完全是自顶向下的一个设计。线性回归也好，逻辑回归也好，它是从数据反过来去推导模型，而决策树直接去用模型判定数据，两个方向不太一样。最后我们说一下SVM 支持向量机。SVM 支持向量机这样的纯数学方法。所以说表示的部分，我们需要把问题和数据进行抽象，这个时候我们就要用到抽象的工具。而支持向量机这种算法就能够解决这些问题。