轻松看懂机器学习十大常用算法

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。

每个算法都看了好几个视频，挑出讲的最清晰明了有趣的，便于科普。

以后有时间再对单个算法做深入地解析。

今天的算法如下：

决策树
随机森林算法
逻辑回归
SVM
朴素贝叶斯
K最近邻算法
K均值算法
Adaboost 算法
神经网络
马尔可夫

1. 决策树

根据一些 feature 进行分类，每个节点提一个问题，通过判断，将数据分为两类，再继续提问。这些问题是根据已有数据学习出来的，再投入新数据的时候，就可以根据这棵树上的问题，将数据划分到合适的叶子上。

 

 

2. 随机森林

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

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较好

 

 

那么怎么得到这样的模型呢?

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，一定大于0

小于等于1 用除法，分子是自己，分母是自身加上1，那一定是小于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

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 达到最大，margin就是超平面与离它最近一点的距离，如下图，Z2>Z1，所以绿色的超平面比较好

 

 

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

 

 

点到面的距离根据图中的公式计算

 

 

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

 

 

举个栗子，三个点，找到最优的超平面，定义了 weight vector=(2，3)-(1，1)

 

 

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

举个在 NLP 的应用

给一段文字，返回情感分类，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 变成一个比较简单容易求得的问题

 

 

问题变成，这一类中这句话出现的概率是多少，当然，别忘了公式里的另外两个概率

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