iT邦幫忙

2021 iThome 鐵人賽

DAY 16
0
DevOps

中台化轉型系列 第 16

機器學習:演算法

  • 線性代數
    • LR:邏輯迴歸(Logistic Regression):
      預測事件發生的機率(y=1),當特徵值與目標之間為非線性關係時將難以發揮效用。
    • FTRL:跟隨正則化領導者(Follow the Regularised Leader)
      結合了梯度下降演算法(FOBOS)和正則對偶平均演算法(RDA),具備精度與特徵稀疏(Lasso)的優點。
    • MLR:多元線性迴歸(Multiple Logistic Regression)
  • 因數分解機
    • MF:矩陣分解(Matric Factorization)
    • FM:因數分解(Factorization Machines)
    • FFM:場域感知分解(Field-aware Factorization Machine)
  • 決策樹
    • GBDT:梯度提升樹(Gradient Boost Decision Tree)
    • XGBoost:極限梯度提升(Extreme Gradient Boosting)
    • LightGBM:輕量梯度提升(Light Gradient Boosting Machine)
      訓練速度快、記憶體使用率低、準確率高。

上一篇
機器學習:建模方法
下一篇
機器學習:深度學習
系列文
中台化轉型30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言