6种简单实用算法及学习曲线

、翅膀等属性都属于特征，而种类则是鸟的标签。

其次，我们建立的机器学习的目的就是让用户输入一个鸟的特征，然后输出这个鸟的种类，也就是对应的标签。这个过程就是一个根据鸟的属性分类的过程，只不过是由计算机自动完成的。

2. 回归算法

回归算法也是一种有监督学习方法。回归算法来自于回归分析，回归分析是研究自变量和因变量之间关系的一种预测模型技术。这些技术应用于预测，时间序列模型和找到变量之间的关系。

举个简单例子，我们可以通过计算得出在某些情况下服务器接收请求数量与服务器CPU、内存占用压力之间的关系。

最简单的回归算法就是线性回归，相信大家都对线性回归有所了解。虽然线性回归比较简单，但是越简单粗暴的算法在面对有些实际问题的时候就越实用。深度学习也可以用于解决回归问题。

3. 聚类算法

聚类算法是一类无监督学习算法。聚类是研究(样品或指标)分类问题的一种统计分析方法，同时也是数据挖掘的一个重要算法。

聚类分析以相似性为基础，在一个聚类中的模式比不在同一聚类中的模式具有更多的相似性，这是聚类分析的最基本原理。聚类分析的算法可以分成很多类方法，比如划分法、层次法、基于密度的方法、基于网络的方法和基于模型的方法。

最有名的聚类算法就是K-Means(K-均值)算法，是最为经典的、基于划分的聚类方法。该算法的主要思路是以空间中k个点为形心进行聚类，将最靠近它们的对象归类。通过迭代的方法，逐次更新各簇的形心的值，直至得到较好的聚类结果。(形心可以是实际的点，也可以是虚拟点)。

（编辑：淮南站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!