Думайте об этом как о универсальном магазине/словаре/каталоге для ваших алгоритмов машинного обучения. Алгоритмы были разбиты на 9 групп: обнаружение аномалий, изучение правил ассоциации, классификация, кластеризация, уменьшение размеров, ансамбль, нейронные сети, регрессия, регуляризация. В этом посте вы найдете 101 алгоритм машинного обучения, включая полезную инфографику, которая поможет вам понять, когда использовать каждый из них (если он доступен).
101 алгоритм машинного обучения
Наша миссия в Data Science Dojo — сделать науку о данных (в данном случае машинное обучение) доступной для всех. Независимо от того, присоединяетесь ли вы к нашему учебному курсу по науке о данных, читаете наш блог или смотрите наши учебные пособия, мы хотим, чтобы у каждого была возможность изучить науку о данных.
Сказав это, каждый раскрывающийся список аккордеона можно встроить, если вы хотите взять их с собой. Все, что вам нужно сделать, это нажать маленькую кнопку «встроить» в левом нижнем углу и скопировать / вставить iframe. Все, что мы просим, это дать ссылку на этот пост.
Кстати, если у вас возникли проблемы с Medium/TDS, просто переведите браузер в режим инкогнито.
Алгоритмы классификации
Любой из этих алгоритмов классификации можно использовать для построения модели, предсказывающей класс результата для данного набора данных. Наборы данных могут поступать из различных доменов. В зависимости от размерности набора данных, типов атрибутов, разреженности, отсутствующих значений и т. д. один алгоритм может давать более высокую точность прогнозирования, чем большинство других. Кратко обсудим эти алгоритмы. (18)
Регрессионный анализ
Регрессионный анализ — это статистический метод изучения взаимосвязи между двумя или более переменными. Существует множество различных типов регрессионного анализа, несколько алгоритмов из которых можно найти ниже. (20)
Нейронные сети
Нейронная сеть — это искусственная модель, основанная на человеческом мозге. Эти системы изучают задачи на примере без указания каких-либо конкретных правил. (11)
Обнаружение аномалий
Обнаружение аномалий, также известное как обнаружение выбросов, используется для обнаружения редких или подозрительных событий в ваших данных. Выбросы обычно указывают на проблему или редкое событие. (5)
Уменьшение размерности
С некоторыми проблемами, особенно с классификацией, может быть так много переменных или признаков, что ваши данные трудно визуализировать. Корреляция между вашими функциями создает избыточность, и именно здесь вступает в действие уменьшение размерности. Уменьшение размерности уменьшает количество случайных переменных, с которыми вы работаете. (17)
Ансамбль
Методы ансамблевого обучения — это метаалгоритмы, которые объединяют несколько методов машинного обучения в единую прогностическую модель для повышения общей производительности. (11)
Кластеризация
В обучении с учителем мы знаем метки точек данных и их распределение. Однако этикетки не всегда могут быть известны. Кластеризация — это практика присвоения меток неразмеченным данным с использованием существующих в них шаблонов. Кластеризация может быть полупараметрической или вероятностной. (14)
Анализ правил ассоциации
Анализ правил ассоциации — это метод, позволяющий выявить, как элементы связаны друг с другом. (2)
Регуляризация
Регуляризация используется для предотвращения переобучения. Переобучение означает, что алгоритм машинного обучения слишком сильно соответствует набору данных, так что он имеет высокую точность, но плохо работает с невидимыми данными. (3)
Шпаргалка по алгоритму Scikit-Learn
Прежде всего, это шпаргалка Scikit-Learn. URL-адрес в заголовке приведет вас к тому же изображению, но будет интерактивным. Мы предлагаем сохранить этот сайт, так как он позволяет запомнить алгоритмы и когда их лучше всего использовать, невероятно просто и легко.
SAS: шпаргалка по алгоритму машинного обучения
Вы также можете найти многие из тех же алгоритмов в шпаргалке по машинному обучению SAS, что и выше. На веб-сайте SAS также есть отличные описания того, как, когда и зачем использовать каждый алгоритм.
Машинное обучение Microsoft Azure: шпаргалка по алгоритму
Шпаргалка Microsoft Azure — самая простая шпаргалка на сегодняшний день. Несмотря на то, что это просто, Microsoft все же смогла упаковать в него массу информации. Microsoft также сделала свою таблицу алгоритмов доступной для скачивания.
Вот и все, 101 алгоритм машинного обучения с шпаргалками, описаниями и учебными пособиями! Мы надеемся, что вы сможете эффективно использовать этот список. Если есть какие-либо алгоритмы, которые, по вашему мнению, следует добавить, оставьте комментарий с алгоритмом и ссылкой на учебник. Спасибо!
