必知！6个机器学习的核心算法！

文章预览

大家好，我是花哥。 近期，吴恩达老师 在其创办的人工智能周讯《The Batch》上更新了一篇博文，总结了机器学习领域多个基础算法的历史溯源，并总结到： （机器学习中）不断学习与更新基础知识是十分重要的。与其他技术领域一样，随着研究人员的增加、研究成果数量的增长，机器学习领域也在不断发展，但有些基础算法与核心思想的贡献是经得起时间考验的 。 这六种算法分别是： 线性回归、逻辑回归、梯度下降、神经网络、决策树与k均值聚类算法 。 本文会深入介绍下这六种基础算法的 背景、原理、优缺点、应用场景。 1、线性回归 算法历程 ：线性回归是一种古老的统计方法，它试图找到最佳拟合数据的直线或超平面，最早可以追溯到19世纪初的高斯最小二乘法理论。 原理 ：线性回归通过最小化预测值与真实值之间的平方误差来找到最 ………………………………