No conozco muchos algoritmos que sean potentes y que, sin embargo, no conozcan bien. Pero, tres son los siguientes.
- Método de Newton: este algoritmo puede usarse para optimizar la función logística o debería decir regresión logística. Pero, la mayoría de las veces se usa gradiente decente.
- Gradiente estocástico decente: – No es tan desconocido y se usa para la optimización cuando el conjunto de datos es demasiado grande.
- Adios ingenuo gaussiano: – Adiós ingenuo multinomial es ampliamente utilizado para la clasificación de texto, a veces las personas van con Adiós ingenuo de Bernoulli. Sin embargo, Gaussian Naive Byes se usa mucho.
- GDA: – Su forma completa es el análisis de decremento gaussiano. Se puede usar en lugar de regresión logística cuando los datos son gaussianos. Es un algoritmo de aprendizaje generativo y realiza la regresión logística cuando los datos son gaussianos.
Muchas personas utilizan estos algoritmos, pero cuando los comparamos con regresión lineal, regresión logística, SVM, redes neutrales, son menos conocidos en comparación con ellos.
Agregaré otros algoritmos a medida que los conozca, pero por ahora espero que ayuden.
- ¿Dónde puedo obtener la certificación de Data Science?
- Cómo convertirse en un científico de datos en 4-5 meses si no tengo experiencia previa con ningún lenguaje de programación
- ¿Cuáles son los métodos de selección de funciones disponibles en los paquetes de Python?
- ¿Cuáles son los proyectos prácticos de aprendizaje automático que muestran soluciones paso a paso para que pueda seguir y comprender cada paso en detalle?
- ¿Por qué tenemos oportunidades tan limitadas en big data?
