每个数据科学家都应该学习的5种机器学习算法决策树算法、支持向量法算法、逻辑回归、K-means聚类算法和奈何贝叶斯分类，

image_credit- Educative

大家好，如果你是机器学习和数据科学领域的初学者，想知道从哪里开始，那么你就来对地方了。早些时候，我已经分享了最好的机器学习课程和认证，以及书籍，在这篇文章中，我将与你分享_每个数据科学家都应该知道的5种基本机器学习_算法。

是的，我说的是_决策树_算法，支持向量法 _算法，逻辑_回归，K-means聚类_算法，以及_天真贝叶斯分类，这些都是你在这篇文章中要学习的5种基本机器学习算法。

你可能知道，在这个日益数字化的世界里，机器学习和人工智能已经变得越来越重要了。它们现在正在为企业提供竞争优势，比如NetFlix的电影推荐。

如果你刚刚开始进入这个领域，并在寻找学习的内容，那么我将分享5个基本的机器学习算法，你可以作为一个初学者学习。

这些基本算法构成了大多数常见的机器学习项目的基础，对它们有很好的了解，不仅可以帮助你快速理解项目和模型，还可以根据你的需要改变它们。

简单地说，机器学习是一门科学，或者说是一个让计算机像人一样学习的领域，通过给它提供数据，而不需要编程，它分为两类，第一类是分类问题，机器需要在两个物体之间进行分类，或者更像是人和动物之间的分类；第二类是回归问题，机器需要根据以前的数据产生一个输出。

机器学习是当今人工智能中使用最多的领域之一，如人脸识别软件、自动驾驶汽车、语音识别、预测，以及你在使用Snapchat时应用过滤器。

学习这些技能将使你成为收入最高的工作之一，在美国这个2022年价值3.9万亿美元的行业中，平均年薪为141205美元。

在这篇文章中，我们将看到5种最常用的机器学习算法，让你了解人工智能和复杂的IT技术是如何工作的，同时你也可以用这些算法创建这样一个人工智能软件，也许会在你的日常生活中使用它。

虽然机器学习是一个广阔的领域，有许多算法，但这些是一些基本的算法，在许多机器学习项目中发挥着重要作用。即使对这些算法有基本的了解，也会对你从事机器学习项目和理解它们有很大帮助。

决策树是一种分类算法，用于监督学习技术，但它可以用于两个主要问题，即分类和回归问题。

对于分类问题，它是一个像_"真 "或"假 "_的答案，它将通过一堆逻辑上的if-then语句来确定答案，如根据一些特征确定五辆汽车的类型；对于回归问题，如果你想得到一个数字问题的答案，如根据一些特征确定住宅的价格，就可以使用它。

如果你想学习，我建议你可以进一步查看 Python中的决策树、随机森林、AdaBoost和XGBoostStart Tech Academy在Udemy开设的课程，以获得对决策树算法的坚实理解。我强烈推荐这个课程。

支持向量机是一种用于_高级分类问题_的算法，如在两种颜色、大小、身体等方面相似的狗之间进行分类。

它将你的数据分成两类，并试图找到适合你的模型的最佳线路，称为超平面，因此，两类之间有一些空间，这个空间被称为边际，通过这样做，它可以对一些大的分类问题进行分类，如确定图片上某人的性别。

此外，它也可以用于回归问题。你可以进一步查看 Python中的支持向量机Udemy上的课程，了解更多关于机器学习和人工智能领域的算法。

它是一种_用于回归问题的算法_，是确定两个变量之间关系的方法，其中一个是因变量，另一个是自变量，就像一个预测模型。

依赖变量是你要预测的变量，自变量是你给算法学习的变量。

这个算法的好处是被认为是一种强大的统计技术，用于预测包括一个或多个独立变量的事件。

如果你想了解更多，那么你也可以查看一下 Python中的Logistic回归Start Tech Academy在Udemy开设的课程。这是继决策树课程之后Start Tech的另一门伟大的课程，在学习完这门课程之后，你可以使用Python进行预测建模。

K-means是一种聚类算法，它是一套使用无监督学习技术来学习和解决问题的算法，而且只适用于数字数据。

这种算法_可以解决分类问题，而不需要以前的数据来学习_或训练，它可以看到一堆图片的差异和相似性，并试图根据这些特征来分组。

这意味着在应用该算法之前，任何分类变量都应该被转换为数字变量。你可以进一步查看 Python中的聚类分析和无监督的机器学习Lazy Programmer在Udemy的课程，了解K-means和其他聚类算法。

天真贝叶斯是一种分类算法，适合于大型数据集，它是最好的算法，在其背景中使用统计计算，如概率，因此，即使是先进的算法，也能解决分类问题，而且它也是用于必要的分析。

这种算法被用于许多日常应用中，如垃圾邮件检测、人脸识别、模式识别，并被认为是预测测试数据集类别的最简单和最快的算法之一。

你还可以查看 Python中的贝叶斯机器学习。A/B测试了解更多关于贝叶斯方法在现实世界中的实际应用。

这就是一个数据科学家应该学习的所有基本机器学习算法。我们在这篇文章中讨论了许多机器学习算法，它们是机器学习工程师中最常用的，他们可以创建一个应用程序来促进他们的生活或复杂的软件。

当然，还有其他的算法，我们在这里没有讨论，但它们是主要的算法，如果你考虑从事机器学习工程师的工作，你可以开始学习它们，但这些基本的机器学习算法是很好的开始。

其他机器学习 文章可能会喜欢

谢谢你到目前为止阅读这篇文章。如果你觉得这些_基本的机器学习算法_很有用，那么请与你的朋友和同事分享它们。如果你有任何问题或反馈，那么请留言给我。

**P.S. -**如果你决心在机器学习领域发展，并寻找最好的在线课程来提高你的技能，那么我强烈建议你去看看 机器学习A-Z - Hands-On Python课程，这是Udemy上最受欢迎的课程之一。这是最受欢迎和最全面的在线学习机器学习课程之一。

每个数据科学家都应该学习的5种机器学习算法最初发表在Medium上的Javarevisited，人们通过强调和回应这个故事来继续对话。