自动化考研面试专业课重点笔记——《AI十大算法入门》篇!
⭐️26考研已经进入复试备考阶段，为迎合人工智能学院及人工智能学科方向崛起的趋势，联盟为大家整理了人工智能（偏计算机）相关学科的重点知识，助力大家应对最新的考研复试热点~
今天给大家带来的是《AI十大算法》重点汇总！内容全部选自联盟自动化考研联盟企业店(闲🐟店)的：《复试面试班圣经-盘古篇中册》，大家可以收藏起来，方便日常学习！思路：线性回归假设目标值与特征之间线性相关，即满足一个多元一次方程。通过构建损失函数，来求解损失函数最小时的参数w和b。
优点：
1.对于非线性数据或者数据特征间具有相关性多项式回归难以建模适用场景：线性回归作为最基础的模型，一般需要一个简单的回归模型的时候，通常使用线性回归，同时线性回归也是很多模型的基石。思路：对于待判断的点，找到离他最近的几个数据点，根据他们的类型决定待判断点的类型。。
特点：完全跟着数据走，没有什么数学模型。
条件概率：设A、B为两个事件，且P(B)>0，则P(A|B)=P(AB)/P(B)，它表示在事件B已经发生的前提下，事件A发生的概率。1.朴素贝叶斯起源于古典数学理论，有着坚实的数学基础，以及稳定的分类效率；容易解释，不同维度之间相关性小的模型，不计后果的前提下可以处理高维数据。核心：用线性组合计算特征得分，再通过 Sigmoid 函数将得分映射成 0-1 之间的概率值，从而实现二分类预测，同时输出的概率值也可用于解释事件发生的可能性。很多分类算法的基础组件；用于分析单一因素对某一事件发生的影响因素；用于预测事件发生的概率。核心：找到不同类别之间的分类面，使得两类样本尽量落在面的两边，且离分类面尽量远。
2.对非线性问题没有通用的解决方案，很难找到一个合适的核函数；在很多数据集上都有优秀的表现，拿到数据就可以尝试一下SVM（高维数据注意核函数的选择）。核心：信息增益；信息增益比；Gini系数。
4.各个类别样本数量不一致的数据，信息增益偏向具有更多数值的特征。常作为一些算法的基石；它能够生成清晰的基于特征(feature)选择不同预测结果的树状结构，数据分析师希望更好的理解手上的数据的时候往往可以使用决策树。核心：两个随机（随机选取训练样本，随机选取特征），由决策树形成。
数据维度相对低（几十维），同时对准确性有较高的要求；使用随机森林时，不需要调节很多的参数就可以达到很好的效果，所以不知道用什么方法时可以尝试一下。原理：计算树的伪残差，通过前一棵树的残差拟合下一棵树，最终进行残差的加和。
4.可以灵活处理各种类型的数据，包括连续值和离散值；5.在相对少的调参时间情况下，预测的准备率也可以比较高。1.由于弱学习器之间存在依赖关系，难以并行训练数据。不过可以通过自采样的SGBT来达到部分并行；适用场景：不知道用什么模型时候可以使用的回归/分类模型1.传统GBDT以CART作为基分类器，xgboost还支持线性分类器，这个时候xgboost相当于带L1和L2正则化项的逻辑回归（分类问题）或者线性回归（回归问题）。2.传统GBDT在优化时只用到一阶导数信息，xgboost则对代价函数进行了二阶泰勒展开，同时用到了一阶和二阶导数（能自定义损失函数）。3.gboost在代价函数里加入了正则项，用于控制模型的复杂度。正则项里包含了树的叶子节点个数、每个叶子节点上输出的score的L2模的平方和。正则项降低了模型的复杂度，使学习出来的模型更加简单，防止过拟合，这也是xgboost优于传统GBDT的一个特性。适用场景：各种比赛的大杀器，不知道用什么模型时候可以使用的回归/分类模型1. K值需要预先给定，属于预先知识，很多情况下K值的估计是非常困难的，对于像计算全部微信用 户的交往圈这样的场景就完全的没办法用K-Means进行。2. K-Means算法对初始选取的聚类中心点是敏感的，不同的随机种子点得到的聚类结果完全不同（K-Means++）。4. 对离群点的数据进行聚类时，K均值也有问题，这种情况下，离群点检测和删除有很大的帮助。适用场景：没有明确标签的情况下，我们经常用聚类模型来进行操作。最后，自动化考研联盟团队全体成员，祝大家一战成硕，考研上岸，有其他问题或需求欢迎评论区留言或者后台私信哦！
| 联盟各高校自动化考研QQ群(部分） |
| 院校 | 扣扣群号 |
| 25自动化考研联盟总群 | 498637757 |
| 江苏省 |
| 南京理工大学 | 606579586 |
| 南京航空航天大学 | 621069148 |
| 南京邮电大学 | 973730406 |
| 南京工业大学 | 537554778 |
| 南京信息工程大学 | 949285580 |
| 中国矿业大学 | 971212016 |
| 河海大学 | 187849515 |
| 江南大学 | 558970082 |
| 浙江省 |
| 浙江大学 | 971278732 |
| 杭州电子科技大学 | 958424983 |
| 浙江工业大学 | 903161437 |
| 中国计量大学 | 626782163 |
| 上海市 |
| 上海交通大学 | 884263936 |
| 上海大学 | 574726401 |
| 华东理工大学 | 579203384 |
| 上海电力大学 | 670109389 |
| 东华大学 | 581727619 |
| 上海理工大学 | 996808157 |
| 安徽省 |
| 中国科学技术大学 | 593956536 |
| 安徽大学 | 650824745 |
| 合肥工业大学 | 736954211 |
| 其它地区 |
| 重庆邮电大学 | 664200516 |
| 青岛理工大学 | 606550125 |
| 内蒙古大学 | 304938525 |
本文部分数据来源网络，如有侵权请联系我们删除！
微信改规则了，不常点赞互动，不会第一时间收到推送，喜欢看学姐的文章，记得多点赞&在看呀
