0基礎(chǔ)小白必知的10種機(jī)器學(xué)習(xí)算法

　　“大數(shù)據(jù)分析”評(píng)為“ 21世紀(jì)最熱門的工作” 以來，人們對(duì)機(jī)器學(xué)習(xí)的興趣激增。但是，如果您剛剛開始學(xué)習(xí)機(jī)器學(xué)習(xí)，則可能很難入手。因此，AAA教育發(fā)布了廣受歡迎的關(guān)于初學(xué)者的優(yōu)秀機(jī)器學(xué)習(xí)算法的文章。
 

　　這篇文章是針對(duì)0基礎(chǔ)初學(xué)者的。如果你有在數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)一些經(jīng)驗(yàn)，你可能會(huì)更感興趣的是做機(jī)器學(xué)習(xí)在Python這更深入的教程用scikit-learn，或在我們的機(jī)器學(xué)習(xí)課程，這從這里開始。如果您還不清楚“數(shù)據(jù)科學(xué)”和“機(jī)器學(xué)習(xí)”之間的區(qū)別，那么本文將為您提供一個(gè)很好的解釋：機(jī)器學(xué)習(xí)和數(shù)據(jù)科學(xué)-兩者有何不同?
 

　　機(jī)器學(xué)習(xí)算法是可以從數(shù)據(jù)中學(xué)習(xí)并從經(jīng)驗(yàn)中改進(jìn)而無需人工干預(yù)的程序。學(xué)習(xí)任務(wù)可能包括學(xué)習(xí)將輸入映射到輸出的功能，學(xué)習(xí)未標(biāo)記數(shù)據(jù)中的隱藏結(jié)構(gòu);或“基于實(shí)例的學(xué)習(xí)”，其中通過將新實(shí)例(行)與訓(xùn)練數(shù)據(jù)中存儲(chǔ)在內(nèi)存中的實(shí)例進(jìn)行比較，為新實(shí)例生成類標(biāo)簽。“基于實(shí)例的學(xué)習(xí)”不會(huì)從特定實(shí)例創(chuàng)建抽象。
 

　　機(jī)器學(xué)習(xí)算法的類型
 

　　機(jī)器學(xué)習(xí)(ML)算法有3種類型：
 

　　監(jiān)督學(xué)習(xí)算法：
 

　　監(jiān)督學(xué)習(xí)使用標(biāo)記的訓(xùn)練數(shù)據(jù)來學(xué)習(xí)將輸入變量(X)轉(zhuǎn)換為輸出變量(Y)的映射函數(shù)。換句話說，它在以下等式中求解f：
 

　　Y = f(X)
 

　　當(dāng)給定新的輸入時(shí)，這使我們能夠準(zhǔn)確地生成輸出。
 

　　我們將討論兩種類型的監(jiān)督學(xué)習(xí)：分類和回歸。
 

　　分類被用于預(yù)測(cè)給定的樣品的結(jié)果，當(dāng)輸出變量在類的形式。分類模型可能會(huì)查看輸入數(shù)據(jù)并嘗試預(yù)測(cè)“病”或“健康”等標(biāo)簽。
 

　　當(dāng)輸出變量為實(shí)數(shù)值形式時(shí)，將回歸用于預(yù)測(cè)給定樣本的結(jié)果。例如，回歸模型可能會(huì)處理輸入數(shù)據(jù)以預(yù)測(cè)降雨量，人的身高等。
 

　　我們?cè)诒静┛椭薪榻B的前5種算法-線性回歸，邏輯回歸，CART，樸素貝葉斯和K最近鄰(KNN)-是監(jiān)督學(xué)習(xí)的示例。
 

　　合奏是另一種監(jiān)督學(xué)習(xí)。這意味著要組合多個(gè)各自較弱的機(jī)器學(xué)習(xí)模型的預(yù)測(cè)，以對(duì)新樣本產(chǎn)生更準(zhǔn)確的預(yù)測(cè)。本文的算法9和10(使用隨機(jī)森林進(jìn)行裝袋，使用XGBoost進(jìn)行增強(qiáng))是集成技術(shù)的示例。
 

　　無監(jiān)督學(xué)習(xí)算法：
 

　　當(dāng)我們只有輸入變量(X)而沒有相應(yīng)的輸出變量時(shí)，將使用無監(jiān)督學(xué)習(xí)模型。他們使用未標(biāo)記的訓(xùn)練數(shù)據(jù)來建模數(shù)據(jù)的基礎(chǔ)結(jié)構(gòu)。
 

　　我們將討論三種無監(jiān)督學(xué)習(xí)：
 

　　關(guān)聯(lián)用于發(fā)現(xiàn)集合中項(xiàng)目同時(shí)出現(xiàn)的可能性。它廣泛用于市場(chǎng)分析。例如，可以使用關(guān)聯(lián)模型來發(fā)現(xiàn)如果客戶購買面包，則他/她也有80%可能也購買雞蛋。
 

　　聚類用于對(duì)樣本進(jìn)行分組，以使同一聚類中的對(duì)象彼此之間的相似性大于與另一個(gè)聚類中的對(duì)象的相似性。
 

　　降維用于減少數(shù)據(jù)集的變量數(shù)量，同時(shí)確保仍傳達(dá)重要信息。降維可以使用特征提取方法和特征選擇方法來完成。“特征選擇”選擇原始變量的子集。特征提取執(zhí)行從高維空間到低維空間的數(shù)據(jù)轉(zhuǎn)換。示例：PCA算法是一種特征提取方法。
 

　　我們?cè)谶@里介紹的算法6-8(Apriori，K-means，PCA)是無監(jiān)督學(xué)習(xí)的示例。
 

　　強(qiáng)化學(xué)習(xí)：
 

　　強(qiáng)化學(xué)習(xí)是機(jī)器學(xué)習(xí)算法的一種，它允許代理通過學(xué)習(xí)使獎(jiǎng)勵(lì)最大化的行為來根據(jù)其當(dāng)前狀態(tài)決定最佳的下一步操作。
 

　　加固算法通常通過反復(fù)試驗(yàn)來學(xué)習(xí)最佳動(dòng)作。例如，假設(shè)有一個(gè)視頻游戲，其中玩家需要在特定時(shí)間移動(dòng)到特定地點(diǎn)以賺取積分。玩該游戲的強(qiáng)化算法會(huì)從隨機(jī)移動(dòng)開始，但是隨著時(shí)間的流逝，經(jīng)過反復(fù)試驗(yàn)，它將學(xué)習(xí)需要在何時(shí)何地移動(dòng)游戲中角色以最大化其總點(diǎn)數(shù)。
 

　　量化機(jī)器學(xué)習(xí)算法的流行度
 

　　這十種算法是從哪里得到的?任何此類列表本質(zhì)上都是主觀的。諸如此類的研究已經(jīng)量化了10種最流行的數(shù)據(jù)挖掘算法，但是它們?nèi)匀灰蕾囉谡{(diào)查反饋的主觀響應(yīng)，通常是高級(jí)學(xué)術(shù)從業(yè)人員。例如，在上面的研究中，受訪者是ACM KDD創(chuàng)新獎(jiǎng)，IEEE ICDM研究貢獻(xiàn)獎(jiǎng)的獲得者;KDD '06，ICDM '06和SDM '06的計(jì)劃委員會(huì)成員;ICDM '06的145位與會(huì)者。
 

　　這篇文章中列出的前10個(gè)算法是在考慮機(jī)器學(xué)習(xí)初學(xué)者的情況下選擇的。它們是我在孟買大學(xué)計(jì)算機(jī)工程學(xué)士學(xué)位期間從“數(shù)據(jù)倉庫和挖掘”(DWM)課程中學(xué)到的主要算法。我加入了最后兩種算法(集成方法)，尤其是因?yàn)樗鼈兘?jīng)常被用來贏得Kaggle比賽。
 

　　沒有更多的基礎(chǔ)知識(shí)，面向初學(xué)者的十大機(jī)器學(xué)習(xí)算法：
 

　　1.線性回歸
 

　　在機(jī)器學(xué)習(xí)中，我們有一組輸入變量(x)用于確定輸出變量(y)。輸入變量和輸出變量之間存在關(guān)系。ML的目標(biāo)是量化這種關(guān)系。
 

　　

圖1：線性回歸以y = a + bx的形式表示為一條線
 

　　在線性回歸中，輸入變量(x)和輸出變量(y)之間的關(guān)系表示為y = a + bx形式的方程。因此，線性回歸的目標(biāo)是找出系數(shù)a和b的值。在此，a是截距，b是直線的斜率。
 

　　圖1顯示了數(shù)據(jù)集的繪制的x和y值。目標(biāo)是擬合最接近大多數(shù)點(diǎn)的線。這將減少數(shù)據(jù)點(diǎn)的y值與線之間的距離(“錯(cuò)誤”)。
 

　　2. Logistic回歸
 

　　線性回歸預(yù)測(cè)是連續(xù)值(即，以厘米為單位的降雨)，邏輯回歸預(yù)測(cè)是在應(yīng)用轉(zhuǎn)換函數(shù)后的離散值(即，學(xué)生是否通過/未通過)。
 

　　Logistic回歸最適合于二進(jìn)制分類：y = 0或1的數(shù)據(jù)集，其中1表示默認(rèn)類。例如，在預(yù)測(cè)事件是否會(huì)發(fā)生時(shí)，只有兩種可能性：事件發(fā)生(我們將其表示為1)或事件不發(fā)生(0)。因此，如果我們要預(yù)測(cè)患者是否生病，我們將使用1數(shù)據(jù)集中的值標(biāo)記患病的患者。
 

　　邏輯回歸以其使用的轉(zhuǎn)換函數(shù)命名，該函數(shù)稱為邏輯函數(shù)h(x)= 1 /(1 + ex)。這形成了S形曲線。
 

　　在邏輯回歸中，輸出采用默認(rèn)類別的概率形式(與線性回歸不同，線性回歸是直接產(chǎn)生輸出的)。由于這是一個(gè)概率，因此輸出在0-1的范圍內(nèi)。因此，例如，如果我們要預(yù)測(cè)患者是否生病，我們已經(jīng)知道生病的患者表示為1，因此，如果我們的算法將0.98的得分分配給患者，則認(rèn)為該患者很有可能生病了。
 

　　使用邏輯函數(shù)h(x)= 1 /(1 + e ^ -x)通過對(duì)x值進(jìn)行對(duì)數(shù)轉(zhuǎn)換來生成此輸出(y值)。然后應(yīng)用閾值以強(qiáng)制將此概率轉(zhuǎn)換為二進(jìn)制分類。
 

　　

圖2：邏輯回歸確定腫瘤是惡性還是良性。如果概率h(x)> = 0.5，則分類為惡性
 

　　在圖2中，要確定腫瘤是否為惡性，默認(rèn)變量為y = 1(腫瘤=惡性)。x變量可以是腫瘤的量度，例如腫瘤的大小。如圖所示，邏輯函數(shù)將數(shù)據(jù)集各種實(shí)例的x值轉(zhuǎn)換為0到1的范圍。如果概率超過閾值0.5(由水平線顯示)，則腫瘤為歸類為惡性。
 

　　邏輯回歸方程P(x)= e ^(b0 + b1x)/(1 + e(b0 + b1x))可以轉(zhuǎn)換為ln(p(x)/ 1-p(x))= b0 + b1x。
 

　　Logistic回歸的目標(biāo)是使用訓(xùn)練數(shù)據(jù)來找到系數(shù)b0和b1的值，以使預(yù)測(cè)結(jié)果與實(shí)際結(jié)果之間的誤差最小。使用最大似然估計(jì)技術(shù)估計(jì)這些系數(shù)。
 

　　3.購物車
 

　　分類和回歸樹(CART)是決策樹的一種實(shí)現(xiàn)。
 

　　分類樹和回歸樹的非終端節(jié)點(diǎn)是根節(jié)點(diǎn)和內(nèi)部節(jié)點(diǎn)。終端節(jié)點(diǎn)是葉節(jié)點(diǎn)。每個(gè)非終端節(jié)點(diǎn)代表一個(gè)輸入變量(x)和該變量的分割點(diǎn);葉節(jié)點(diǎn)表示輸出變量(y)。該模型按以下方式進(jìn)行預(yù)測(cè)：遍歷樹的拆分以到達(dá)葉節(jié)點(diǎn)并輸出在葉節(jié)點(diǎn)處存在的值。
 

　　下面圖3中的決策樹根據(jù)一個(gè)人的年齡和婚姻狀況，對(duì)其是否購買跑車或小型貨車進(jìn)行了分類。如果此人已超過30歲且未結(jié)婚，我們將按照以下步驟進(jìn)行操作：“超過30年?” ->是->“已婚?” ->不行 因此，模型輸出一輛跑車。
 

　　

圖3：決策樹的各個(gè)部分
 

　　4.樸素貝葉斯
 

　　為了計(jì)算一個(gè)事件已經(jīng)發(fā)生的可能性，我們使用貝葉斯定理。在給定我們的先驗(yàn)知識(shí)(d)的情況下，要計(jì)算假設(shè)(h)為真的概率，我們使用貝葉斯定理，如下所示：
 

　　P(h | d)=(P(d | h)P(h))/ P(d)
 

　　哪里：
 

　　1)P(h | d)=后驗(yàn)概率。給定數(shù)據(jù)d，假設(shè)h的概率為真，其中P(h | d)= P(d1 | h)P(d2 | h)….P(dn | h)P(d)

　　2)P(d | h)=似然。給定假設(shè)h為真，數(shù)據(jù)d的概率。

　　3)P(h)=班級(jí)先驗(yàn)概率。假設(shè)h為真的概率(與數(shù)據(jù)無關(guān))

　　4)P(d)=預(yù)測(cè)器先驗(yàn)概率。數(shù)據(jù)的概率(與假設(shè)無關(guān))
 

　　該算法之所以稱為“樸素”，是因?yàn)樗僭O(shè)所有變量都彼此獨(dú)立，這是在實(shí)際示例中做出的樸素假設(shè)。
 

　　
圖4：使用天真貝葉斯通過變量“天氣”預(yù)測(cè)“比賽”的狀態(tài)
 

　　以圖4為例，如果weather ='sunny'，結(jié)果如何?
 

　　在給定變量天氣=“晴天”的情況下，要確定結(jié)果游戲=“是”或“否”，請(qǐng)計(jì)算P(是|晴天)和P(否|晴天)，并以較高的概率選擇結(jié)果。
 

　　-> P(yes | sunny)=(P(sunny | yes)* P(yes))/ P(sunny)=(3/9 * 9/14)/(5/14)= 0.60
 

　　-> P(no | sunny)=(P(sunny | no)* P(no))/ P(sunny)=(2/5 * 5/14)/(5/14)= 0.40
 

　　因此，如果天氣=“晴天”，則結(jié)果為游戲=“是”。
 

　　5. KNN
 

　　K最近鄰居算法將整個(gè)數(shù)據(jù)集用作訓(xùn)練集，而不是將數(shù)據(jù)集分為訓(xùn)練集和測(cè)試集。
 

　　當(dāng)新數(shù)據(jù)實(shí)例需要結(jié)果時(shí)，KNN算法遍歷整個(gè)數(shù)據(jù)集以找到新實(shí)例的k個(gè)最近實(shí)例，或與新記錄最相似的k個(gè)實(shí)例，然后輸出均值結(jié)果(用于回歸問題)或模式(最常見的課堂)的分類問題。k的值是用戶指定的。
 

　　使用諸如歐幾里得距離和漢明距離之類的度量來計(jì)算實(shí)例之間的相似度。
 

　　無監(jiān)督學(xué)習(xí)算法
 

　　6.先驗(yàn)
 

　　事務(wù)數(shù)據(jù)庫中使用Apriori算法來挖掘頻繁的項(xiàng)目集，然后生成關(guān)聯(lián)規(guī)則。它廣泛用于市場(chǎng)購物籃分析中，在其中可以檢查數(shù)據(jù)庫中經(jīng)常同時(shí)出現(xiàn)的產(chǎn)品組合。通常，我們將關(guān)聯(lián)規(guī)則寫為“如果某人購買了商品X，那么他購買了商品Y”為：X->Y。
 

　　示例：如果某人購買牛奶和糖，那么她可能會(huì)購買咖啡粉。這可以用關(guān)聯(lián)規(guī)則的形式寫成：{牛奶，糖}->咖啡粉。超過支持和信心的閾值后，將生成關(guān)聯(lián)規(guī)則。
 

　　
圖5：關(guān)聯(lián)規(guī)則X-> Y的支持度，置信度和提升度的公式
 

　　支持度量有助于減少頻繁生成項(xiàng)目集時(shí)要考慮的候選項(xiàng)目集的數(shù)量。該支持措施遵循Apriori原則。Apriori原則指出，如果某個(gè)項(xiàng)目集很頻繁，那么它的所有子集也必須很頻繁。
 

　　7. K-均值
 

　　K-means是一種將相似數(shù)據(jù)分組為聚類的迭代算法，它計(jì)算k個(gè)聚類的質(zhì)心，并為其質(zhì)心與數(shù)據(jù)點(diǎn)之間的距離最小的聚類分配一個(gè)數(shù)據(jù)點(diǎn)。
 

　　
圖6：K-means算法的步驟
 

　　運(yùn)作方式如下：
 

　　我們首先選擇k的值。在這里，讓我們說k =3。然后，我們將每個(gè)數(shù)據(jù)點(diǎn)隨機(jī)分配給3個(gè)群集中的任何一個(gè)。計(jì)算每個(gè)群集的群集質(zhì)心。紅色，藍(lán)色和綠色的星星分別代表3個(gè)星團(tuán)的質(zhì)心。
 

　　接下來，將每個(gè)點(diǎn)重新分配給最近的聚類質(zhì)心。在上圖中，高5點(diǎn)被分配給具有藍(lán)色質(zhì)心的聚類。遵循相同的過程將點(diǎn)分配給包含紅色和綠色質(zhì)心的聚類。
 

　　然后，計(jì)算新群集的質(zhì)心。舊的質(zhì)心是灰色的星星;新的質(zhì)心是紅色，綠色和藍(lán)色的星星。
 

　　最后，重復(fù)步驟2-3，直到?jīng)]有點(diǎn)從一個(gè)群集切換到另一個(gè)群集為止。一旦連續(xù)兩個(gè)步驟都沒有切換，請(qǐng)退出K-means算法。
 

　　8. PCA
 

　　主成分分析(PCA)用于通過減少變量數(shù)量使數(shù)據(jù)易于瀏覽和可視化。這是通過將數(shù)據(jù)中的最大方差捕獲到具有稱為“主要成分”的軸的新坐標(biāo)系中來完成的。
 

　　每個(gè)分量都是原始變量的線性組合，并且彼此正交。分量之間的正交性指示這些分量之間的相關(guān)性為零。
 

　　第一個(gè)主成分捕獲數(shù)據(jù)中最大可變性的方向。第二個(gè)主成分捕獲數(shù)據(jù)中的剩余方差，但具有與第一個(gè)成分不相關(guān)的變量。同樣，所有連續(xù)的主成分(PC3，PC4等)捕獲剩余的差異，同時(shí)與前一個(gè)成分不相關(guān)。
 

　　

圖7：將3個(gè)原始變量(基因)簡化為2個(gè)新變量，稱為主成分(PC)
 

　　集合學(xué)習(xí)技巧：
 

　　匯總是指通過投票或取平均值，將多個(gè)學(xué)習(xí)者(分類器)的結(jié)果組合在一起，以提高結(jié)果。在分類期間使用投票，在回歸期間使用平均。這個(gè)想法是全體學(xué)習(xí)者的表現(xiàn)要好于單個(gè)學(xué)習(xí)者。
 

　　共有3種組合算法：裝袋，增強(qiáng)和堆疊。我們不會(huì)在這里討論“堆疊”，但是如果您想對(duì)其進(jìn)行詳細(xì)的說明，那么這是Kaggle的可靠介紹。
 

　　9.隨機(jī)森林套袋
 

　　套袋的第一步是使用Bootstrap Sampling方法創(chuàng)建的數(shù)據(jù)集創(chuàng)建多個(gè)模型。在Bootstrap抽樣中，每個(gè)生成的訓(xùn)練集都由來自原始數(shù)據(jù)集的隨機(jī)子樣本組成。
 

　　這些訓(xùn)練集的每一個(gè)都具有與原始數(shù)據(jù)集相同的大小，但是有些記錄會(huì)重復(fù)多次，而有些記錄根本不會(huì)出現(xiàn)。然后，將整個(gè)原始數(shù)據(jù)集用作測(cè)試集。因此，如果原始數(shù)據(jù)集的大小為N，則每個(gè)生成的訓(xùn)練集的大小也為N，唯一記錄的數(shù)量約為(2N / 3);測(cè)試集的大小也為N。
 

　　套袋的第二步是在不同的生成的訓(xùn)練集上使用相同的算法來創(chuàng)建多個(gè)模型。
 

　　這是隨機(jī)森林進(jìn)入的地方。與決策樹不同，在決策樹中，每個(gè)節(jié)點(diǎn)都在最大特征上進(jìn)行分割，以最大程度地減少錯(cuò)誤，在隨機(jī)森林中，我們選擇特征的隨機(jī)選擇以構(gòu)建最佳分裂。隨機(jī)性的原因是：即使套袋，當(dāng)決策樹選擇最佳分割特征時(shí)，它們最終也會(huì)具有相似的結(jié)構(gòu)和相關(guān)的預(yù)測(cè)。但是，對(duì)特征的隨機(jī)子集進(jìn)行分割后的裝袋意味著子樹的預(yù)測(cè)之間的相關(guān)性較小。
 

　　在每個(gè)分割點(diǎn)要搜索的特征數(shù)量被指定為“隨機(jī)森林”算法的參數(shù)。
 

　　因此，在使用“隨機(jī)森林”進(jìn)行裝袋時(shí)，每棵樹都是使用記錄的隨機(jī)樣本構(gòu)建的，而每個(gè)拆分都是使用隨機(jī)變量的預(yù)測(cè)變量構(gòu)建的。
 

　　10.使用AdaBoost提升
 

　　Adaboost代表自適應(yīng)增強(qiáng)。套袋是一個(gè)并行的集合，因?yàn)槊總€(gè)模型都是獨(dú)立構(gòu)建的。另一方面，boosting是一個(gè)順序集合，其中每個(gè)模型都是基于糾正先前模型的錯(cuò)誤分類而構(gòu)建的。
 

　　套袋主要涉及“簡單投票”，其中每個(gè)分類器投票以獲得最終結(jié)果，該結(jié)果由大多數(shù)并行模型確定;增強(qiáng)涉及“加權(quán)投票”，其中每個(gè)分類器投票以獲得由多數(shù)決定的最終結(jié)果，但是順序模型是通過為先前模型的錯(cuò)誤分類實(shí)例分配更大的權(quán)重來構(gòu)建的。
 

　　
圖8：決策樹的Adaboost
 

　　在圖8中，步驟1、2、3涉及一個(gè)稱為決策樹的弱學(xué)習(xí)者(一個(gè)僅基于1個(gè)輸入要素的值進(jìn)行預(yù)測(cè)的1層決策樹;其根立即連接到其葉子的決策樹) 。
 

　　構(gòu)造弱學(xué)習(xí)者的過程一直持續(xù)到構(gòu)造了用戶定義數(shù)量的弱學(xué)習(xí)者或直到訓(xùn)練期間沒有進(jìn)一步的改進(jìn)為止。步驟4合并了先前模型的3個(gè)決策樹樁(因此在決策樹中具有3個(gè)拆分規(guī)則)。
 

　　首先，從一個(gè)決策樹樁開始，對(duì)一個(gè)輸入變量進(jìn)行決策。
 

　　數(shù)據(jù)點(diǎn)的大小表明，我們已應(yīng)用相等的權(quán)重將其分類為圓形或三角形。決策樹樁已在上半部分生成一條水平線以對(duì)這些點(diǎn)進(jìn)行分類。我們可以看到有兩個(gè)圓被錯(cuò)誤地預(yù)測(cè)為三角形。因此，我們將為這兩個(gè)圈子分配更高的權(quán)重，并應(yīng)用另一個(gè)決策樹樁。
 

　　其次，轉(zhuǎn)到另一個(gè)決策樹樹樁，對(duì)另一個(gè)輸入變量進(jìn)行決策。
 

　　我們觀察到上一步中兩個(gè)錯(cuò)誤分類的圓圈的大小大于其余點(diǎn)?，F(xiàn)在，第二個(gè)決策樹樁將嘗試正確預(yù)測(cè)這兩個(gè)圓。
 

　　分配較高的權(quán)重后，這兩個(gè)圓已通過左側(cè)的垂直線正確分類。但這現(xiàn)在導(dǎo)致對(duì)頂部三個(gè)圓圈的分類錯(cuò)誤。因此，我們將為頂部的這三個(gè)圓圈分配更高的權(quán)重，并應(yīng)用另一個(gè)決策樹樁。
 

　　第三，訓(xùn)練另一個(gè)決策樹樹樁，以對(duì)另一個(gè)輸入變量進(jìn)行決策。
 

　　上一步中的三個(gè)錯(cuò)誤分類的圓圈大于其余數(shù)據(jù)點(diǎn)?，F(xiàn)在，已生成右側(cè)的垂直線以對(duì)圓形和三角形進(jìn)行分類。
 

　　第四，結(jié)合決策樹樁。
 

　　我們結(jié)合了先前3個(gè)模型的分隔符，并觀察到與任何單個(gè)弱學(xué)習(xí)者相比，該模型的復(fù)雜規(guī)則正確地對(duì)數(shù)據(jù)點(diǎn)進(jìn)行了分類。

 

　　回顧一下，我們介紹了一些最重要的數(shù)據(jù)科學(xué)機(jī)器學(xué)習(xí)算法：
 

　　a)5種監(jiān)督學(xué)習(xí)技術(shù)-線性回歸，邏輯回歸，CART，樸素貝葉斯，KNN。

　　b)3種無監(jiān)督學(xué)習(xí)技術(shù)-Apriori，K-means，PCA。

　　c)2種合奏技術(shù)-用隨機(jī)森林裝袋，用XGBoost增強(qiáng)。