原文：
www.kdnuggets.com/2023/06/machine-learning-algorithms-python-r.html
编辑器提供的图像
Python 和 R 是机器学习中最常用的两种编程语言。它们都是开源且高度可访问的，但 Python 是通用编程语言，而 R 是统计编程语言。这使得 R 非常适合各种数据角色和应用，如数据挖掘。
这两种编程语言也鼓励代码的重用，这意味着新手机器学习工程师和爱好者不必从头编写代码。使用它们构建项目的关键在于集成合适的模块和算法——你只需要知道在哪里寻找。为了帮助你，我们整理了一些 Python 和 R 中最常用的机器学习算法列表。确保收藏此指南，并在遇到困难时参考它。
顾名思义，机器学习的最终目的是教会计算机系统使其能够自主运行。这可以通过监督学习或无监督学习来实现。
执行后者的一种方法是使用k-means 聚类算法，该算法通过对相似数据点进行分组（聚类）来寻找数据集中的模式。
在 R 编程语言中，k-means 聚类通常使用 k-means 函数来执行。不幸的是，Python 似乎没有提供一个像样的现成解决方案。Python 中的 K-means 聚类通常使用 sci-kit-learn 库的 sklearn.cluster.KMeans 类，并结合 matplotlib.pyplot 库来进行。
K-means 聚类算法是最广泛使用的无监督机器学习算法之一，你可能迟早会遇到它或需要使用它。因此，它是你应该首先学习和掌握的算法之一。
决策树算法因其易用性和实用性而受到青睐。它是一种监督学习的机器学习算法，主要用于分类。例如，公司可以利用它通过聊天机器人来处理难缠的客户。
决策树教会机器如何根据之前的经验做出选择。它之所以在新手机器学习工程师中如此受欢迎，是因为它可以被建模并以图表或图解的形式可视化。这一特点使它对具有传统编程技能的人具有吸引力。
决策树主要有两种类型：
-
连续变量决策树：指的是具有无限目标变量的 决策树。
-
分类变量决策树：指的是具有分组有限目标变量的决策树。
在 R 编程中，最关注决策树的包和类包括：
-
数据集
-
caTools
-
party
-
dplyr
-
magrittr
再次，你将不得不寻找 Python 模块来实现这个算法。与 k-means 聚类算法一样，sci-kit-learn 包含了许多决策树的模块，其中 sklearn.tree 最为相关。你还可以使用 Graphviz 模块 以编程方式呈现决策树的图形表示。
线性回归是另一种广泛使用的监督机器学习算法。线性回归分析的目标是基于一个或一组变量推断结果或值。
与大多数算法一样，最佳的可视化方式是使用具有两个坐标轴的图形。Y 轴表示因变量，而 X 轴表示自变量。线性回归分析的目标是 形成或找到一个关系。
如果自变量的增加导致因变量的增加（类似于指数增长），这被称为正关系。另一方面，如果因变量的值在自变量的值增加时减少（类似于指数衰减），这被称为负关系。
我们使用 最佳拟合线 来确定关系，这可以通过斜率-截距线性方程 y=mx+b 表示。
那么我们如何在 R 和 Python 中实现线性回归呢？R 编程语言中最关注线性回归分析的包包括：
-
ggplot2
-
dplyr
-
broom
-
ggpubr
gg 包用于创建和绘制图形，而 dplyr 和 broom 用于操控和展示数据。sklearn.linear_model 可用于 在 Python 中构建线性回归模型。你还可以添加 NumPY 来处理大矩阵和数组。
图片由 Pexels 提供
与线性回归类似，逻辑回归允许我们基于其他（集合的）变量来预测一个变量的值。然而，线性回归使用度量值，而逻辑回归使用离散变量。这些是只能具有两个值之一（是或否，0 或 1，真或假等）的二分变量。
在现实世界中，这可以用于确定一个人购买产品（零售）或携带疾病（医疗保健）的可能性。例如，我们可以使用年龄、身高和体重作为自变量（x）。二元结果将是因变量（y）。因此，x 是实数域，而 y 包含离散值。
逻辑回归的目标是估计（预测）一个结果或事件的概率。由于 y 值是二元的，我们不能使用线性方程，而必须使用激活函数。
Sigmoid 函数用于表示逻辑回归：
f(x) = L / 1+e^(-x)
或
y = 1/(1+e^-(a+b1x1+b2x2+b3x3+...))
与逻辑回归最相关的 Python 包和模块有：
-
matplotlib.pyplot
-
sklearn.linear_model
-
sklearn.metrics
使用 R 生成逻辑回归的过程要简单得多，可以使用 glm() 函数来完成。
支持向量机 (SVM) 算法 主要用于分类，但也可以用于基于回归的任务。SVM 是分类问题中最简单的方法之一。
在 SVM 中，必须分类的对象被表示为 n 维空间中的一个点。该点的每个坐标称为其特征。SVM 通过首先绘制一个超平面，使得每个类别的所有点都位于超平面的两侧，来尝试对对象进行分类。
虽然可能存在多个超平面，但 SVM 尝试找到一个最能分离两个类别的超平面。它主要通过找到两个类别之间的最大距离，即边距，来实现。触及或直接落在边距上的点称为支持向量。
由于 SVM 是一种监督机器学习方法，它需要训练数据。你可以使用 sklearn 的专用 SVM 模块在 Python 中实现这个机器学习算法。在 R 中，SVM 通常通过轮廓和绘图函数来处理。
这些算法中的许多都是机器学习在概率和统计上高度依赖的见证。尽管 R 在现代机器学习工程之前就存在，但它与机器学习相关，因为它是一种统计编程语言。因此，许多算法可以很容易地从头开始构建或实现。
Python 是一种多范式通用编程语言，因此它具有更广泛的应用场景。Sci-kit-learn 是最受信赖的 Python 机器学习模块库。如果你想要了解更多关于上述算法及其他内容，请访问该库的官方网站。
Nahla Davies 是一名软件开发人员和技术作家。在将她的工作全职转向技术写作之前，她曾担任 Inc. 5,000 创意品牌组织的首席程序员，该组织的客户包括三星、时代华纳、Netflix 和索尼。
1. Google 网络安全证书 - 快速进入网络安全职业
2. Google 数据分析专业证书 - 提升你的数据分析能力
3. Google IT 支持专业证书 - 支持组织的 IT 需求