關閉

AI產品經理需要了解的算法分享(四)

如果算法要按照歷史來劃分的話,可以分為三個階段。在古代,算法可以認為是程序化、規則化儀式的過程,通過該過程實現特定的目標和傳遞規則;在中世紀,算法是輔助數學運算的過程;在現代,算法是邏輯過程,由機器和數字計算機完全機械化和自動化。本文繼續為大家分享AI產品經理需要了解的算法知識。

如果算法要按照歷史來劃分的話,可以分為三個階段。在古代,算法可以認為是程序化、規則化儀式的過程,通過該過程實現特定的目標和傳遞規則;在中世紀,算法是輔助數學運算的過程;在現代,算法是邏輯過程,由機器和數字計算機完全機械化和自動化。本文繼續為大家分享AI產品經理需要了解的算法知識。

11. 邏輯回歸

邏輯回歸是一種用于解決監督學習問題的學習算法,進行邏輯回歸的目的,是使訓練數據的標簽值與預測出來的值之間的誤差最小化。邏輯回歸廣泛應用于機器學習中,其中清洗臟數據最為廣泛,在數據行業有一個笑話是,數據科學中80%的工作是數據清洗,另外20%是抱怨數據清洗。

邏輯回歸具有實現簡單,分類時計算量非常小,速度很快,存儲資源低;便利的觀測樣本概率分數;計算代價不高,易于理解和實現等優點。

12. 線性回歸

在統計學和機器學習領域,線性回歸可能是最廣為人知也最易理解的算法之一。

預測建模主要關注的是在犧牲可解釋性的情況下,盡可能最小化模型誤差或做出最準確的預測。我們將借鑒、重用來自許多其它領域的算法(包括統計學)來實現這些目標。

線上回歸有兩個主要用處:預測 prediction)與因果分析 (causal analysis)。

預測指的是用已觀察的變數來預測依變項;

因果分析則是將自變項當作是依變項發生的原因。

13. SVM支持向量機

支持向量機(support vector machine)是一種分類算法,通過尋求結構化風險最小來提高學習機泛化能力,實現經驗風險和置信范圍的最小化,從而達到在統計樣本量較少的情況下,亦能獲得良好統計規律的目的。

通俗來講,它是一種二類分類模型,其基本模型定義為特征空間上的間隔最大的線性分類器,即支持向量機的學習策略便是間隔最大化,最終可轉化為一個凸二次規劃問題的求解。

14. 人工神經網絡

人工神經網絡是在現代神經科學的基礎上提出和發展起來的一種旨在反映人腦結構及功能的抽象數學模型。它具有人腦功能基本特性:學習、記憶和歸納。人工神經網絡是機器學習的一個龐大的分支,有幾百種不同的算法。

重要的人工神經網絡算法包括:感知器神經網絡(Perceptron Neural Network, 反向傳遞(Back Propagation), Hopfield網絡,自組織映射(Self-Organizing Map, SOM)。學習矢量量化(Learning Vector QuantizationLVQ

以上內容就是AI產品經理需要了解的算法分享(”的全部內容了,如果你還想了解更多相關內容,可以來產品壹佰官方網站獲取。

0條評論 添加新討論

登錄后參與討論
Ctrl+Enter 發表