機器學習：演算法

2021 iThome 鐵人賽

DAY 16

DevOps

13th鐵人賽

1260 瀏覽

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。