详细内容或原文请订阅后点击阅览
7必须在10分钟内解释的必不可少的机器学习算法
使用7种最重要的机器学习算法加快了速度。非常适合想要快速，清晰概述的初学者和繁忙的开发人员。
来源:KDnuggets＃简介
＃从您的电子邮件垃圾邮件过滤器到音乐推荐，机器学习算法为所有内容提供了电源。但是他们不必是复杂的黑匣子。每种算法实质上是在数据中找到模式并做出预测的一种不同的方法。
在本文中，我们将学习每个数据专业人员都应该理解的基本机器学习算法。对于每种算法，我将解释它的作用以及它的工作原理，然后何时使用它以及何时不应该使用。让我们开始吧！
＃1。线性回归
是什么：线性回归是一种简单有效的机器学习算法。它通过数据点找到了最佳的直线以预测连续值。
是什么：它的工作原理：想象您正在尝试根据平方英尺预测房价。线性回归试图找到最大的拟合线，以最大程度地减少所有数据点和线路之间的距离。该算法使用数学优化来找到最适合您数据的斜率和截距。
其工作原理：在哪里使用它：
- 基于广告支出的销售，估计股票价格预测需求的问题，您期望有大致线性关系
有用时：当您的数据具有明确的线性趋势时，您需要可解释的结果。当您的数据有限或需要快速见解时，这也很棒。
有用时：当不是：如果您的数据具有复杂的非线性模式，或具有离群值和依赖性功能，则线性回归将不是最佳模型。
不是：＃2。逻辑回归
是什么：逻辑回归也很简单，并且经常用于分类问题。它可以预测概率，值[0,1]。