Algorithms-by-meme-series: All Machine Learning Algorithms You Should Know

Mình không phải dân chuyên toán, nên bằng vốn kiến thức hạn hẹp tìm hiểu được - mình sẽ cố gắng viết một cách take-it-easy nhất kèm meme cho dễ đọc :))

Tổng hợp tất cả các thuật toán cần biết để áp dụng vào AI/ML

• 1/ Supervised Learning
• 2/ Unsupervised Learning
• 3/ Reinforcement Learning

---

Có 3 loại thuật toán chính trong machine learning bao gồm:

1/ Supervised Learning

Đây là thuật toát bao gồm một biến mục tiêu / kết quả (hoặc biến phụ thuộc). biến này được dự đoán từ 1 tập hợp các nhân tố ( biến độc lập). Sử dụng những tập hợp của các biến, chúng ta tạo được một hàm có thể cho phép các kết quả output đúng với dự đoán tương ứng với kết quả input. Quá trình “training” này sẽ tiếp tục cho đến các chúng ta đạt được một độ chính xác mong muốn liên quan đến việc “traing dữ liệu”.

Ví dụ của các thuật toán Supervised Learning : Regression, Decision Tree, Random Forest, KNN, Logistic Regression v.v.v…

2/ Unsupervised Learning

Trong thuật toán này, chúng ta không có bất kì biến mục tiêu / kết quả để dự đoán / đánh giá . Nó được sử dụng để phân nhóm các tập dữ liệu vào các nhóm khác nhau. Các nhóm này được sử dụng cho việc phân khúc – segmentation – các “khách hàng’ vào các nhóm khác nhau nữa cho mục tiêu cụ thể.

Ví dụ của Unsupervised Learning : thuật toán Apriori, K-means.

3/ Reinforcement Learning

Sử dụng thuật toán này, máy sẽ được luyện tập để ra các quyết định. Máy sẽ được tiếp xúc với một môi trường nơi mà nó được tự luyện tập liên tục sử dụng với phương thức “thử và sửa sai” cho đến khi “sai” đạt đến ngưỡng chấp nhận được hoặc là sẽ bằng 0 trong điều kiện tuyệt đối. Máy sẽ học từ các “kinh nghiệm trong quá khứ” và “học các kiến thức” tốt nhất có thể được để tạo nên các quyết định chính xác về mặt logic business.

Ví dụ của Reinforcement Learning: Markov Decision Process

---

Danh sách các thuật toán Machine Learning phổ biến. Những thuật toán này có thể được áp dung cho bất kì vấn đề nào về dữ liệu:

1. Linear Regression
2. Logistic Regression
3. Decision Tree
4. SVM
5. Naive Bayes
6. KNN
7. K-Means
8. Random Forest
9. Dimensionality Reduction Algorithms
10. Gradient Boost & Adaboost

ref: https://www.analyticsvidhya.com/blog/2017/09/common-machine-learning-algorithms/