2022年人工智能的常用十种算法全文共6页，当前为第1页。2022年人工智能的常用十种算法全文共6页，当前为第1页。人工智能的常用十种算法 2022年人工智能的常用十种算法全文共6页，当前为第1页。 2022年人工智能的常用十种算法全文共6页，当前为第1页。 1. 决策树 依据一些 feature 进行分类，每个节点提一个问题，通过推断，将数据分为两类，再继续提问。这些问题是依据已有数据学习出来的，再投入新数据的时候，就可以依据这棵树上的问题，将数据划分到适宜的叶子上。 2. 随机森林 视频 在源数据中随机选取数据，组成几个子集 S 矩阵是源数据，有 1-N 条数据，A B C 是feature，最后一列C是类别 由 S 随机生成 M 个子矩阵 这 M 个子集得到 M 个决策树 将新数据投入到这 M 个树中，得到 M 个分类结果，计数看预测成哪一类的数目最多，就将此类别作为最后的预测结果 3. 逻辑回归 视频 当预测目标是概率这样的，值域需要满足大于等于0，小于等于1的，这个时候单纯的线性模型是做不到的，因为在定义域不在某个范围之内时，值域也超出了规定区间。 所以此时需要这样的形状的模型会比拟好 2022年人工智能的常用十种算法全文共6页，当前为第2页。2022年人工智能的常用十种算法全文共6页，当前为第2页。那么怎么得到这样的模型呢？ 2022年人工智能的常用十种算法全文共6页，当前为第2页。 2022年人工智能的常用十种算法全文共6页，当前为第2页。 这个模型需要满足两个条件 大于等于0，小于等于1 大于等于0 的模型可以选择 绝对值，平方值，这里用 指数函数，肯定大于0 小于等于1 用除法，分子是自己，分母是自身加上1，那肯定是小于1的了 再做一下变形，就得到了 logistic regression 模型 通过源数据计算可以得到相应的系数了 最后得到 logistic 的图形 4. SVM 视频 support vector machine 要将两类分开，想要得到一个超平面，最优的超平面是到两类的 margin 到达最大，margin就是超平面与离它最近一点的距离，如下列图，Z2>Z1，所以绿色的超平面比拟好 将这个超平面表示成一个线性方程，在线上方的一类，都大于等于1，另一类小于等于－1 点到面的距离依据图中的公式计算 所以得到 total margin 的表达式如下，目标是最大化这个 margin，就需要最小化分母，于是变成了一个优化问题 2022年人工智能的常用十种算法全文共6页，当前为第3页。2022年人工智能的常用十种算法全文共6页，当前为第3页。举个栗子，三个点，找到最优的超平面，定义了 weight vector＝〔2，3〕－〔1，1〕 2022年人工智能的常用十种算法全文共6页，当前为第3页。 2022年人工智能的常用十种算法全文共6页，当前为第3页。 得到 weight vector 为〔a，2a〕，将两个点代入方程，代入〔2，3〕另其值＝1，代入〔1，1〕另其值＝-1，求解出 a 和 截矩 w0 的值，进而得到超平面的表达式。 a 求出来后，代入〔a，2a〕得到的就是 support vector a 和 w0 代入超平面的方程就是 support vector machine 5. 朴素贝叶斯 视频 举个在 NLP 的应用 给一段文字，返回感情分类，这段文字的态度是positive，还是negative 为了解决这个问题，可以只看其中的一些单词 这段文字，将仅由一些单词和它们的计数代表 原始问题是：给你一句话，它属于哪一类 通过 bayes rules 变成一个比拟简单简单求得的问 问题变成，这一类中这句话出现的概率是多少，当然，别忘了公式里的其它两个概率 2022年人工智能的常用十种算法全文共6页，当前为第4页。2022年人工智能的常用十种算法全文共6页，当前为第4页。栗子：单词 love 在 positive 的情况下出现的概率是 0.1，在 negative 的情况下出现的概率是 0.001 2022年人工智能的常用十种算法全文共6页，当前为第4页。 2022年人工智能的常用十种算法全文共6页，当前为第4页。 6. K最近邻 视频 k nearest neighbours 给一个新的数据时，离它最近的 k 个点中，哪个类别多，这个数据就属于哪一类 栗子：要区分 猫 和 狗，通过 claws 和 sound 两个feature来推断的话，圆形和三角形是已知分类的了，那么这个 star 代表的是哪一类呢 k＝3时，这三条线链接的点就是最近的三个点，那么圆形多一些，所以这个star就是属于猫 7. K均值 视频 想要将一组数据，分为三类，粉色数值大，黄色数值小 最开心先初始化，这里面选了最简单的