｜企服解答

人工智能的算法有哪些：1.決策樹；2.線性回歸；3.邏輯回歸；4.隨機森林；5.人工神經網絡；等等。

人工智能的算法有哪些

　　1.決策樹

　　根據一些feature(特征)進行分類，每個節點提一個問題，通過判斷，將數據分為兩類，再繼續提問。這些問題是根據已有數據學習出來的，再投入新數據的時候，就可以根據這棵樹上的問題，將數據劃分到合適的葉子上。

　　2.線性回歸

　　線性回歸（Linear Regression）可能是最流行的機器學習算法。線性回歸就是要找一條直線，并且讓這條直線盡可能地擬合散點圖中的數據點。它試圖通過將直線方程與該數據擬合來表示自變量（x值）和數值結果（y值）。然后就可以用這條線來預測未來的值！

　　這種算法最常用的技術是最小二乘法（Least of squares）。這個方法計算出最佳擬合線，以使得與直線上每個數據點的垂直距離最小。總距離是所有數據點的垂直距離（綠線）的平方和。其思想是通過最小化這個平方誤差或距離來擬合模型。

　　3.邏輯回歸

　　邏輯回歸（Logistic regression）與線性回歸類似，但邏輯回歸的結果只能有兩個的值。如果說線性回歸是在預測一個開放的數值，那邏輯回歸更像是做一道是或不是的判斷題。

　　邏輯函數中Y值的范圍從0到1，是一個概率值。邏輯函數通常呈S型，曲線把圖表分成兩塊區域，因此適合用于分類任務。經常被電商或者外賣平臺用來預測用戶對品類的購買偏好。

　　4.隨機森林

　　隨機森林（Random Forest）是一種非常流行的集成機器學習算法。這個算法的基本思想是，許多人的意見要比個人的意見更準確。在隨機森林中，我們使用決策樹集成（參見決策樹）。

　　5.人工神經網絡

　　人工神經網絡（Artificial Neural Networks，ANN）可以處理大型復雜的機器學習任務。神經網絡本質上是一組帶有權值的邊和節點組成的相互連接的層，稱為神經元。在輸入層和輸出層之間，我們可以插入多個隱藏層。人工神經網絡使用了兩個隱藏層。除此之外，還需要處理深度學習。人工神經網絡的工作原理與大腦的結構類似。一組神經元被賦予一個隨機權重，以確定神經元如何處理輸入數據。通過對輸入數據訓練神經網絡來學習輸入和輸出之間的關系。在訓練階段，系統可以訪問正確的答案。如果網絡不能準確識別輸入，系統就會調整權重。經過充分的訓練后，它將始終如一地識別出正確的模式。