預測類演算法

A. 機器學習中的各種演算法適用於哪些預測

1.決策樹(Decision Trees)： 
決策樹是一個決策支持工具，它使用樹形圖或決策模型以及序列可能性。包括各種偶然事件的後果、資源成本、功效。下圖展示的是它的大概原理： 
  
  
從業務決策的角度來看，大部分情況下決策樹是評估作出正確的決定的概率最不需要問是/否問題的辦法。它能讓你以一個結構化的和系統化的方式來處理這個問題，然後得出一個合乎邏輯的結論。 
2.樸素貝葉斯分類(Naive Bayesian classification)： 
樸素貝葉斯分類是一種十分簡單的分類演算法，叫它樸素貝葉斯分類是因為這種方法的思想真的很樸素，樸素貝葉斯的思想基礎是這樣的：對於給出的待分類項，求解在此項出現的條件下各個類別出現的概率，哪個最大，就認為此待分類項屬於哪個類別。 
  
  
它的現實使用例子有： 
將一封電子郵件標記(或者不標記)為垃圾郵件 
將一篇新的文章歸類到科技、政治或者運動 
檢查一段文本表達的是積極情緒還是消極情緒 
臉部識別軟體 
3.最小二乘法(Ordinary Least Squares Regression)： 
如果你懂統計學的話，你可能以前聽說過線性回歸。最小二乘法是一種計算線性回歸的方法。你可以把線性回歸當做在一系列的點中畫一條合適的直線的任務。有很多種方法可以實現這個，「最小二乘法」是這樣做的 —你畫一條線，然後為每個數據點測量點與線之間的垂直距離，並將這些全部相加，最終得到的擬合線將在這個相加的總距離上盡