关键词：
导读：本文为有志于成为数据科学家或对此感兴趣的读者们介绍最流行的机器学习算法。
作者：Fahim ul Haq
译者：刘志勇，策划：赵钰莹
来源：InfoQ（ID：infoqchina）
机器学习是该行业的一个创新且重要的领域。我们为机器学习程序选择的算法类型，取决于我们想要实现的目标。
现在，机器学习有很多算法。因此，如此多的算法，可能对于初学者来说，是相当不堪重负的。今天，我们将简要介绍 10 种最流行的机器学习算法，这样你就可以适应这个激动人心的机器学习世界了！
让我们言归正传！
01 线性回归
线性回归（Linear Regression）可能是最流行的机器学习算法。线性回归就是要找一条直线，并且让这条直线尽可能地拟合散点图中的数据点。它试图通过将直线方程与该数据拟合来表示自变量（x 值）和数值结果（y 值）。然后就可以用这条线来预测未来的值！
这种算法最常用的技术是最小二乘法（Least of squares）。这个方法计算出最佳拟合线，以使得与直线上每个数据点的垂直距离最小。总距离是所有数据点的垂直距离（绿线）的平方和。其思想是通过最小化这个平方误差或距离来拟合模型。
例如，简单线性回归，它有一个自变量（x 轴）和一个因变量（y 轴）。
02 逻辑回归
逻辑回归（Logistic regression）与线性回归类似，但它是用于输出为二进制的情况（即，当结果只能有两个可能的值）。对最终输出的预测是一个非线性的 S 型函数，称为 logistic function, g()。
这个逻辑函数将中间结果值映射到结果变量 Y，其值范围从 0 到 1。然后，这些值可以解释为 Y 出现的概率。S 型逻辑函数的性质使得逻辑回归更适合用于分类任务。
逻辑回归曲线图，显示了通过考试的概率与学习时间的关系。
03 决策树
决策树（Decision Trees）可用于回归和分类任务。
在这一算法中，训练模型通过学习树表示（Tree representation）的决策规则来学习预测目标变量的值。树是由具有相应属性的节点组成的。
在每个节点上，我们根据可用的特征询问有关数据的问题。左右分支代表可能的答案。最终节点（即叶节点）对应于一个预测值。
每个特征的重要性是通过自顶向下方法确定的。节点越高，其属性就越重要。
决定是否在餐厅等候的决策树示例。
04 朴素贝叶斯
朴素贝叶斯（Naive Bayes）是基于贝叶斯定理。它测量每个类的概率，每个类的条件概率给出 x 的值。这个算法用于分类问题，得到一个二进制“是 / 非”的结果。看看下面的方程式。
朴素贝叶斯分类器是一种流行的统计技术，可用于过滤垃圾邮件！
05 支持向量机（SVM）
支持向量机（Support Vector Machine，SVM）是一种用于分类问题的监督算法。支持向量机试图在数据点之间绘制两条线，它们之间的边距最大。为此，我们将数据项绘制为 n 维空间中的点，其中，n 是输入特征的数量。在此基础上，支持向量机找到一个最优边界，称为超平面（Hyperplane），它通过类标签将可能的输出进行最佳分离。
超平面与最近的类点之间的距离称为边距。最优超平面具有最大的边界，可以对点进行分类，从而使最近的数据点与这两个类之间的距离最大化。
例如，H1 没有将这两个类分开。但 H2 有，不过只有很小的边距。而 H3 以最大的边距将它们分开了。
06 K- 最近邻算法（KNN）
K- 最近邻算法（K-Nearest Neighbors，KNN）非常简单。KNN 通过在整个训练集中搜索 K 个最相似的实例，即 K 个邻居，并为所有这些 K 个实例分配一个公共输出变量，来对对象进行分类。
K 的选择很关键：较小的值可能会得到大量的噪声和不准确的结果，而较大的值是不可行的。它最常用于分类，但也适用于回归问题。
用于评估实例之间相似性的距离可以是欧几里得距离（Euclidean distance）、曼哈顿距离（Manhattan distance）或明氏距离（Minkowski distance）。欧几里得距离是两点之间的普通直线距离。它实际上是点坐标之差平方和的平方根。
▲KNN 分类示例
07 K- 均值
K- 均值（K-means）是通过对数据集进行分类来聚类的。例如，这个算法可用于根据购买历史将用户分组。它在数据集中找到 K 个聚类。K- 均值用于无监督学习，因此，我们只需使用训练数据 X，以及我们想要识别的聚类数量 K。
该算法根据每个数据点的特征，将每个数据点迭代地分配给 K 个组中的一个组。它为每个 K- 聚类（称为质心）选择 K 个点。基于相似度，将新的数据点添加到具有最近质心的聚类中。这个过程一直持续到质心停止变化为止。
08 随机森林
随机森林（Random Forest）是一种非常流行的集成机器学习算法。这个算法的基本思想是，许多人的意见要比个人的意见更准确。在随机森林中，我们使用决策树集成（参见决策树）。
为了对新对象进行分类，我们从每个决策树中进行投票，并结合结果，然后根据多数投票做出最终决定。
在训练过程中，每个决策树都是基于训练集的引导样本来构建的。
在分类过程中，输入实例的决定是根据多数投票做出的。
09 降维
由于我们今天能够捕获的数据量之大，机器学习问题变得更加复杂。这就意味着训练极其缓慢，而且很难找到一个好的解决方案。这一问题，通常被称为“维数灾难”（Curse of dimensionality）。
降维（Dimensionality reduction）试图在不丢失最重要信息的情况下，通过将特定的特征组合成更高层次的特征来解决这个问题。主成分分析（Principal Component Analysis，PCA）是最流行的降维技术。
主成分分析通过将数据集压缩到低维线或超平面 / 子空间来降低数据集的维数。这尽可能地保留了原始数据的显著特征。
可以通过将所有数据点近似到一条直线来实现降维的示例。
10 人工神经网络（ANN）
人工神经网络（Artificial Neural Networks，ANN）可以处理大型复杂的机器学习任务。神经网络本质上是一组带有权值的边和节点组成的相互连接的层，称为神经元。在输入层和输出层之间，我们可以插入多个隐藏层。人工神经网络使用了两个隐藏层。除此之外，还需要处理深度学习。
人工神经网络的工作原理与大脑的结构类似。一组神经元被赋予一个随机权重，以确定神经元如何处理输入数据。通过对输入数据训练神经网络来学习输入和输出之间的关系。在训练阶段，系统可以访问正确的答案。
如果网络不能准确识别输入，系统就会调整权重。经过充分的训练后，它将始终如一地识别出正确的模式。
每个圆形节点表示一个人工神经元，箭头表示从一个人工神经元的输出到另一个人工神经元的输入的连接。
接下来是什么？现在，你已经了解了最流行的机器学习算法的基础介绍。你已经准备好学习更为复杂的概念，甚至可以通过深入的动手实践来实现它们。如果你想了解如何实现这些算法，可以参考 Educative 出品的 Grokking Data Science 课程，该课程将这些激动人心的理论应用于清晰、真实的应用程序。
祝你学习愉快！
作者介绍：
Fahim ul Haq，曾在 Facebook、Microsoft 工作。Educative.io 联合创始人。Educative 旨在帮助学生使用交互式课程来学习编程知识。
原文链接：
https://towardsdatascience.com/the-top-10-ml-algorithms-for-data-science-in-5-minutes-4ffbed9c8672
延伸阅读👇
延伸阅读《智慧的疆界》
干货直达👇
更多精彩👇
在公众号对话框输入以下关键词
查看更多优质内容！
读书 | 书单 | 干货 | 讲明白 | 神操作 | 手把手
大数据 | 云计算 | 数据库 | Python | 爬虫 | 可视化
AI | 人工智能 | 机器学习 | 深度学习 | NLP
5G | 中台 | 用户画像 | 数学 | 算法 | 数字孪生
据统计，99%的大咖都关注了这个公众号
👇
转：图解十大经典机器学习算法入门
原文：https://blog.csdn.net/jrunw/article/details/79205322 弱人工智能近几年取得了重大突破，悄然间，已经成为每个人生活中必不可少的一部分。以我们的智能手机为例，看看到底温藏着多少人工智能的神奇魔术。下图是一部典型的... 查看详情
机器学习---基础----图解十大经典机器学习算法入门
转自：https://blog.csdn.net/jrunw/article/details/79205322弱人工智能近几年取得了重大突破，悄然间，已经成为每个人生活中必不可少的一部分。以我们的智能手机为例，看看到底温藏着多少人工智能的神奇魔术。下图是一部典型的智能... 查看详情
机器学习十大算法
...ff0c;译者 尚剑 ,本文转载自infoQ毫无疑问，机器学习/人工智能的子领域在过去几年越来越受欢迎。目前大数据在科技行业已经炙手可热，而基于大量数据来进行预测或者得出建议的机器学习无疑是非常强大的。一些最常... 查看详情
十大视频场景化应用工具+五大视频领域冠军/顶会算法开源
导读随着短视频的快速发展以及安全管理的需求不断增多，视频领域的相关技术应用包括视频智能标签、智能教练、智能剪辑、智能安全管理、文本视频检索、视频精彩片段提取、视频智能封面正逐渐成为人们生活中的重要... 查看详情
2020年ai发展十大预测
...经建立了AI数据分析系统，将在他们的公司内部全面发展人工智能。以下是对2020年人工智能的预测。这些结果是对《财富》500强公司的调查统计得出的。财富500强公司被公认为是美国最赚钱的公司。研究发现，29%的开发者近年来... 查看详情
五分钟了解机器学习十大算法(代码片段)
👇👇关注后回复 “进群” ，拉你进程序员交流群👇👇作者丨FahimulHaq译者丨刘志勇策划丨赵钰莹来源丨InfoQ（ID：infoqchina）本文为有志于成为数据科学家或对此感兴趣的读者们介绍最流行的机器... 查看详情
gartner2016人工智能十大预测(重磅)
Gartner2016人工智能十大预测(重磅) 查看详情
2022年十大趋势预测
点上方人工智能算法与Python大数据获取更多干货在右上方 ··· 设为星标 ★，第一时间获取资源仅做学术分享，如有侵权，联系删除转载于：Gartner“Gartner的顶级战略预测继续对技术和业务发展的一些最关键领... 查看详情
十大算法详解
十大经典排序算法（动图演示）不可满十大经典算法总结 查看详情
十大算法详解
十大经典排序算法（动图演示）不可满十大经典算法总结 查看详情
十大算法详解
十大经典排序算法（动图演示）不可满十大经典算法总结 查看详情
十大算法
十大编程算法 算法 /快速排序算法 /堆排序算法 /二分查找算法 /DFShttp://blog.csdn.net/liuhaiabc/article/details/52663417算法（Algorithm）是指解题方案的准确而完整的描述，是一系列解决问题的清晰指令，算法代表着用系... 查看详情
最适合男生的十大高薪工科类专业！
点上方人工智能算法与Python大数据获取更多干货在右上方 ··· 设为星标 ★，第一时间获取资源仅做学术分享，如有侵权，联系删除转载于：自主选拔平台工科是指：如材料科学、计算机、信息、电子、机... 查看详情
最适合男生的十大高薪工科类专业！
点上方人工智能算法与Python大数据获取更多干货在右上方 ··· 设为星标 ★，第一时间获取资源仅做学术分享，如有侵权，联系删除转载于：自主选拔平台工科是指：如材料科学、计算机、信息、电子、机... 查看详情
盘点十大最流行的linux服务器发行版
随着Linux不断发展，Linux所支持的文件系统类型也在迅速扩充。很多的数据中心服务器上都运行着Linux，可以节省大量的许可证费用及维护费用。但伴随着Linux新版本的发行，其中每一个不同版本的Linux所支持的文件系统类型都有... 查看详情
十大排序算法：冒泡排序
机器学习十大常用算法
机器学习十大常用算法小结 机器学习十大常用算法小结通过本篇文章可以对ML的常用算法有个常识性的认识，没有代码，没有复杂的理论推导，就是图解一下，知道这些算法是什么，它们是怎么应用的，例子主要是分类问题... 查看详情
智能计算之神经网络(bp)介绍
目录1.神经网络流行原因2.人工神经网络定义3.人工神经网络的学习能力4. 人工神经网络的基本原理5.神经网络的研究进展6. 神经网络的典型结构6.1单层感知器网络6.2前馈型网络6.3前馈内层互联网络6.4反馈型网络6.5全互联网络7.神... 查看详情