机器学习思维导图

下图结合实用性和美观度于一体，结构清晰，对决策树、随机森林、转换器和预估器、KNN算法、朴素贝叶斯算法五大块内容进行了详细的知识梳理，值得一看！

机器学习Day 02

• 转换器与预估器
  • 转换器 - 特征工程
  • 预估器-机器学习算法
• KNN算法
  • 根据你的邻居来确定类型
  • 谁是邻居 - 距离公式
  • k的取值
    • k过小，容器收到异常值的影响
    • k过大，容器容易受到样本不均衡的影响
  • 应用场景:少量数据
• 朴素贝叶斯算法
  • 朴素:假定了特征与特征之间相互独立
  • 贝叶斯:贝叶斯公式
  • 拉普拉斯平滑系数
  • 应用场景:文本分类
• 随机森林
  • 随机
    • 训练集随机
    • 特征随机
  • 森林
    • 多个决策树
  • 应用场景
    • 高维度特征、大数据场景
• 决策树
  • 找到最高效的决策顺序-信息增益
  • 信息增益=信息熵 - 条件熵
  • 可视化，可解释能力强