机器学习算法速览表

机器学习算法速览表


1. 回归
  • 普通最小二乘回归(OLSR)
  • 线性回归
  • Logistic回归
  • 逐步回归
  • 多变量自适应回归样条曲线(MARS)
  • 局部估计散射平滑(LOESS)
  • 折刀回归
2. 正则
  • 岭回归
  • 最少的绝对收缩和选择算子(LASSO)
  • 弹性网
  • 最小角度回归(LARS)
3. 基于实例的,基于记忆的
  • k-最近邻(kNN)
  • 学习矢量量化(LVQ)
  • 自组织映射(SOM)
  • 本地加权学习(LWL)
4. 降维
  • 主成分分析(PCA)
  • 主成分回归(PCR)
  • 偏最小二乘回归(PLSR)
  • Sammon映射
  • 多维度缩放(MDS)
  • 投影追求
  • 判别分析(LDA,MDA,QDA,FDA)
5. 深度学习
  • 深度玻尔兹曼机器(DBM)
  • 深信仰网络(DBN)
  • 卷积神经网络(CNN)
  • 堆叠的自动编码器
  • RNN
6.关联规则
  • Apriori
  • Eclat
  • FP-Growth
7. 集成学习
  • Logit Boost(Boosting)
  • 自举聚合(Bagging)
  • AdaBoost
  • 堆叠泛化(混合)
  • 梯度增压机(GBM)
  • 梯度增强回归树(GBRT)
  • 随机森林
8. 贝叶斯
  • 朴素贝叶斯
  • 高斯朴素贝叶斯
  • 多项式朴素贝叶斯
  • 平均一依赖估计量(AODE)
  • 贝叶斯信仰网络(BBN)
  • 贝叶斯网络(BN)
  • 隐马尔可夫模型
  • 条件随机字段(CRF)
9. 决策树
  • 分类和回归树(CART)
  • 迭代Dickotomiser 3(ID3)
  • C4.5和C5.0
  • 卡方自动交互检测(CHAID)
  • 决策树桩
  • M5
  • 有条件的决策树
10. 聚类
  • 单连接群集
  • K-均值
  • K-中位数
  • 预期最大化(EM)
  • 分层聚类
  • 模糊聚类
  • DBSCAN
  • OPTICS算法
  • 非负矩阵分解
  • 潜在狄利克雷分配(LDA)
11. 神经网络
  • 自组织映射
  • 感知
  • 径向基函数网络(RBFN)
  • 反向传播
  • 自动编码
  • Hopfield网络
  • 玻尔兹曼机器
  • 限制玻尔兹曼机器
  • Spiking神经网络
  • 学习矢量量化(LVQ)
12. 其它算法
  • 支持向量机(SVM)
  • 进化算法
  • 归纳逻辑编程(ILP)
  • 强化学习(Q-Learning,时间差异,状态-行为-反馈-状态-行为(SARSA))
  • ANOVA
  • 信息模糊Netowkr(干扰素)
  • Page Rank

参考文献:
https://www.hackingnote.com/en/machine-learning/algorithms/
posted @ 2020-03-29 15:55  牛犁heart  阅读(363)  评论(0编辑  收藏  举报