本文主要向大家介绍了机器学习入门之浅谈对机器学习算法的一些认识（决策树，SVM，knn最近邻，随机森林，朴素贝叶斯、逻辑回归），通过具体的内容向大家展现，希望对大家学习机器学习入门有所帮助。

 　　定下一个最初的质点，从该点出发、分叉。（由于最初质点有可能落在边界值上，此时有可能会出现过拟合的问题。
二、SVM
　　  svm是除深度学习在深度学习出现之前最好的分类算法了。它的特征如下：
　　（1）它既可应用于线性（回归问题）分类，也可应用于非线性分类;
　　（2）通过调节核函数参数的设置，可将数据集映射到多维平面上，对其细粒度化，从而使它的特征从二维变成多维，将在二维上线性不可分的问题转化为在多维上线性可　　　　  分的问题，最后再寻找一个最优切割平面（相当于在决策数基础上再寻找一个最优解），因此svm的分类效果是优于大多数的机器学习分类方法的。
　　（3）通过其它参数的设置，svm还可以防止过拟合的问题。
 
三、随机森林
　　为了防止过拟合的问题，随机森林相当于多颗决策树。
 
四、knn最近邻
　　由于knn在每次寻找下一个离它最近的点时，都要将余下所有的点遍历一遍，因此其算法代价十分高。
 
五、朴素贝叶斯
要推事件A发生的概率下B发生的概率（其中事件A、B均可分解成多个事件），就可以通过求事件B发生的概率下事件A发生的概率，再通过贝叶斯定理计算即可算出结果。
 
六、逻辑回归
　　（离散型变量，二分类问题，只有两个值0和1）

本文由职坐标整理并发布，希望对同学们有所帮助。了解更多详情请关注职坐标人工智能机器学习频道！