機器學習算法有哪些基礎算法（機器學習算法有哪些）

關于機器學習算法有哪些基礎算法，機器學習算法有哪些這個問題很多朋友還不知道，今天小六來為大家解答以上的問題，現(xiàn)在讓我們一起來看看吧！

1、樓主肯定對機器學習了解不多才會提這種問題。

2、這問題專業(yè)程度看起來和“機器學習工程師”這詞匯一樣。

3、 機器學習，基礎的PCA模型理論，貝葉斯，boost,Adaboost, 模式識別中的各種特征，諸如Hog，Haar,SIFT等 深度學習里的DBN，CNN，BP，RBM等等。

4、 非專業(yè)出身，只是略懂一點。

5、 沒有常用的，只是針對需求有具體的設計，或者需要自己全新設計一個合適的算法，現(xiàn)在最熱門的算是CNN(convolutional neural networks)卷積神經(jīng)網(wǎng)絡了。

6、 優(yōu)點:不需要訓練獲取特征，在學習過程中自動提取圖像中的特征，免去了常規(guī)方法中，大量訓練樣本的時間。

7、在樣本足夠大的情況下，能夠得到非常精確的識別結果。

8、一般都能95%+的正確率。

9、 缺點：硬件要求高，CUDA的并行框架算是用的很火的了。

10、但是一般的臺式機跑一個Demo花費的時間長資源占用高。

11、不過這也是這塊算法的通病。

本文分享完畢，希望對大家有所幫助。

標簽：