原文：
www.kdnuggets.com/5-machine-learning-models-explained-in-5-minutes
图片由作者提供
机器学习是一种计算机算法，帮助机器在不需要明确编程的情况下进行学习。
1. 谷歌网络安全证书 - 快速进入网络安全职业生涯。
2. 谷歌数据分析专业证书 - 提升你的数据分析技能
3. 谷歌 IT 支持专业证书 - 支持你组织的 IT 工作
今天，我们在导航系统、电影流媒体平台和电子商务应用中都能看到机器学习的应用。
实际上，从你早上醒来到晚上睡觉，你可能已经与数十个机器学习模型互动而未曾意识到。
预计机器学习行业将在 2024 年至 2030 年间增长超过 36%。
鉴于几乎每个大型组织都在积极投资于人工智能，你只会从提升机器学习技能中受益。
无论你是数据科学爱好者、开发者，还是想提升该领域知识的普通人，以下是 5 种你应该了解的常用机器学习模型：
线性回归是最受欢迎的机器学习模型，用于执行定量任务。
该算法用于使用一个或多个自变量(X)预测连续结果(y)。
例如，如果你被要求根据房屋大小预测房价，你会使用线性回归。
在这种情况下，房屋大小是你的自变量 X，用于预测房价，房价是因变量。
这是通过拟合一个线性方程来建模 X 与 y 之间的关系，表示为 y=mX+c。
这里是一个表示线性回归的图示，用于建模房价与房屋大小之间的关系：
图片由作者提供
学习资源
要了解更多关于线性回归的直觉以及它如何在数学上运作，我推荐观看Krish Naik 的 YouTube 教程。
逻辑回归是一种分类模型，用于预测给定一个或多个自变量的离散结果。
例如，给定一个句子中的负面关键词数量，可以使用逻辑回归预测给定消息是否应该被分类为合法或垃圾邮件。
这里是展示逻辑回归如何工作的图表：
作者提供的图片
注意，与表示直线的线性回归不同，逻辑回归被建模为 S 形曲线。
正如上面的曲线所示，负面关键词的数量增加时，消息被分类为垃圾邮件的概率也增加。
此曲线的 x 轴表示负面关键词的数量，y 轴显示邮件被标记为垃圾邮件的概率。
通常，在逻辑回归中，0.5 或更高的概率表示正面结果——在这种情况下，这意味着消息是垃圾邮件。
相反，低于 0.5 的概率表示负面结果，意味着消息不是垃圾邮件。
学习资源
如果你想了解更多关于逻辑回归的内容，StatQuest 的逻辑回归教程是一个很好的起点。
决策树是一种流行的机器学习模型，用于分类和回归任务。
它们通过根据数据集的特征将其分解，创建树状结构来建模这些数据。
简而言之，决策树允许我们根据特定参数持续拆分数据，直到做出最终决策。
这里是一个简单决策树的示例，用于确定一个人在某一天是否应该吃冰淇淋：
作者提供的图片
-
树从天气开始，识别是否适合吃冰淇淋。
-
如果天气温暖，则进入下一个节点，即健康。如果不是，决策为“不”，不再进行拆分。
-
在下一个节点，如果这个人健康，他们可以吃冰淇淋。否则，他们应该避免这样做。
注意决策树中每个节点的数据如何拆分，将分类过程分解为简单、易管理的问题。
你可以为回归任务绘制类似的决策树，且过程中的直觉将保持不变。
学习资源
要了解更多关于决策树的内容，我建议观看StatsQuest 的视频教程。
随机森林模型结合了多个决策树的预测，并返回一个单一的输出。
直观上，这种模型应优于单一决策树，因为它利用了多个预测模型的能力。
这借助一种称为袋装法或自助聚合的技术来完成。
以下是袋装法的工作原理：
一种叫做自助法的统计技术用于多次有放回地抽样数据集。
然后，在每个样本数据集上训练一个决策树。所有树的输出最终合并以生成一个单一的预测。
对于回归问题，最终输出是通过对每个决策树做出的预测进行平均来生成的。对于分类问题，则是做出多数类预测。
学习资源
你可以观看 Krish Naik 关于随机森林的教程以深入了解模型背后的理论和直觉。
到目前为止，我们讨论的所有机器学习模型都属于一种叫做监督学习的方法。
监督学习是一种利用标记数据集来训练算法以预测结果的技术。
相比之下，非监督学习是一种不处理标记数据的技术。它识别数据中的模式，而无需训练以确定特定的结果。
K-Means 聚类是一种非监督学习模型，基本上处理未标记的数据并将每个数据点分配到一个簇中。
观察属于与均值最近的簇。
这里是 K-Means 聚类模型的可视化表示：
作者提供的图片
注意算法如何将每个数据点分组为三个不同的簇，每个簇由不同的颜色表示。这些簇是根据它们与中心点的接近程度进行分组的，中心点由一个红色的 X 标记表示。
简单来说，Cluster 1 中的所有数据点都具有相似的特征，这就是它们被归为一组的原因。相同的原则也适用于 Cluster 2 和 Cluster 3。
在构建 K-Means 聚类模型时，你必须明确指定你想生成的簇数量。
这可以通过一种叫做肘部法的方法实现，该方法只是将模型在不同簇值下的错误分数绘制在折线图上。然后，你选择曲线的拐点，或称为“肘部”，作为最佳的簇数量。
这里是肘部法的可视化表示：
作者提供的图片
注意到此曲线上的拐点在 3 簇标记处，这意味着该算法的最佳簇数量是 3。
学习资源
如果你想了解更多关于该主题的信息，StatQuest 提供了一个
8 分钟视频清晰地解释了 K-Means 聚类的工作原理。
本文解释的机器学习算法在行业应用中非常常见，例如预测、垃圾邮件检测、贷款审批和客户细分。
如果你能坚持到这里，恭喜你！你现在已经对最广泛使用的预测算法有了扎实的掌握，并迈出了进入机器学习领域的第一步。
但旅程并未结束。
为了巩固你对机器学习模型的理解，并能够将它们应用于实际应用，我建议学习一种编程语言，如 Python 或 R。
Freecodecamp 的 初学者 Python 课程
课程是一个很好的起点。如果你在编程学习过程中遇到困难，我有一个 YouTube 视频 解释了如何从零开始学习编程。
一旦你学会了编程，你将能够使用像 Scikit-Learn 和 Keras 这样的库在实践中实现这些模型。
为了提高你的数据科学和机器学习技能，我建议你利用像 ChatGPT 这样的生成式 AI 模型为自己制定一个量身定制的学习路径。这里有一个更详细的路线图，帮助你开始利用 ChatGPT 学习数据科学。
Natassha Selvaraj 是一位自学成才的数据科学家，热衷于写作。Natassha 涉及所有数据科学相关的话题，是数据领域的真正大师。你可以通过 LinkedIn 与她联系，或者查看她的 YouTube 频道。