- 线性回归
- 逻辑回归
- 线性判别分析
- 决策树
- 朴素贝叶斯
- K临近
- 学习向量量化
- 支持向量机
- 随机森林
- AdaBoost
- 高斯混合模型
- 限制玻尔兹曼机
- K-means聚类
- 最大期望算法
强化学习和监督学习、无监督学习最大的不同就是不需要大量的“数据喂养”,而是通过自己不停的尝试来学会某些技能。
集成学习的核心思路就是“人多力量大”,它并没有创造出新的算法,而是把已有的算法进行结合,从而得到更好的效果。基础模型的组装思路有两种:
- bagging(bootstrap aggregating)
- boosting