優點
缺點:理論知識
1. 生成模型
基於生成模型演算法有：
高斯混合模型
潛在狄利克雷分配模型
樸素貝葉斯分類器隨機上下文無關文法
隱馬爾可夫模型受限玻爾茲曼機
aode分類器其他混合模型
在概率統計理論中, 生成模型是指能夠隨機生成觀測資料的模型，尤其是在給定某些隱含引數的條件下。
它給觀測值和標註資料序列指定乙個聯合概率分布。在機器學習中，生成模型可以用來直接對資料建模（例如根據某個變數的概率密度函式進行資料取樣），也可以用來建立變數間的條件概率分布。條件概率分布可以由生成模型根據貝葉斯定理形成。
2. 判別模型
常見的基於判別模型演算法有：
邏輯回歸
條件隨機場
人工神經網路
隨機森林
線性回歸感知器svm提公升方法
在機器學習領域判別模型是一種對未知資料 y 與已知資料 x 之間關係進行建模的方法。
判別模型是一種基於概率理論的方法。已知輸入變數 x ，判別模型通過構建條件概率分布 p(y|x) ** y 。
機器學習之 機器學習應用建議
機器學習的應用建議 好久沒有更新機器學習的學習筆記了，上一次還是更新的神經網路的部分。這一次我們來聊一聊，機器學習的應用建議。決定下一步做什麼 假設我們需要用乙個線性回歸模型 linear regression 來 房價，當我們運用訓練好了的模型來 未知資料的時候，發現有較大的誤差，我們下一步可以做...
機器學習之整合學習
整合學習 ensemble learning 通過構建並結合多個弱學習器來完成學習任務。一般來說整合學習可以分為三大類 bagging又叫做自舉匯聚法，思想是 常見的推廣演算法有 extra tree是隨機森林的變種，原理和隨機森林一樣，區別如下 主要用於異常點檢測 在隨機取樣的過程中，一般只需要少...
機器學習 四 之如何學習機器學習
推薦一篇很好的文章,本文部分借鑑於 kaggle的 手寫識別 首先 我們要了解 什麼是tensorflow?其次 我們要學會一些概念 再其次 我們要學會整個機器學習的思路 建立乙個機器學習的model 1 制定乙個model是線性的還是非線性的 2 使用乙個最簡單的單層的神經網路進行學習 3 選擇l...