今天看到一篇文章，以非常有趣的方式介绍机器学习中常用的算法，特摘在此处分享给读者朋友。
原文链接： https://www.analyticsvidhya.com/blog/2015/12/10-machine-learning-algorithms-explained-army-soldier/
如果你深入思考，你就会意识到整个建立预测模型过程就是一场残酷的战争。难道你不相信吗？
将数据集视为您的对手，数据挖掘知识和机器学习算法作为武器。您的胜利将取决于您的知识和策略，以及对武器的使用，以获得最高的准确性。那么，你有多少次赢得这场战斗？
这是我的一段故事。我上周意识到了这一点。在南方旅行时，我遇到了一个士兵，她的女儿是数据科学家，他对他女儿职业的了限仅限于他的女儿是一名数据科学家。他没有太多时间和女儿在一起。
他也询问过我。当他发现我也是一名数据科学家时，他充满了狂喜。他进一步询，很想知道机器学习的算法。他说，这些方法在防守方面有很多用处。
这对我来说是一项艰巨的任务。我不知道如何向士兵解释技术问题。我发现了一个方法：我知道他肯定会理解有关战斗，战争和战略的事情。我用这些战争的术语向他解释了机器学习。最后，他确信他的女儿从事了一项非常有挑战性的工作。他感到自豪。
这是一种有趣的学习方式。这肯定会帮助那些努力理解这些算法的初学者。我还添加了图像，以帮助您以可视化的方式学习。
注意：本文的目的是帮助人们以有趣的方式学习机器学习。您还要注意到每个算法都有自己的特殊情况。
这就是我开始的方式！
机器学习算法有 3种类别
监督学习：你继续投入战争，不会停止，直到你杀死你所有的敌人。它包括线性回归，Logistic回归，决策树，随机森林等算法。
无监督学习：你的竞争对手向你挑战。现在，您需要在评估自己的优势和劣势后，决定接受挑战还是投降。它包括诸如 k-means，apriori 等算法
强化学习：你接受了挑战。战争已经开始。每小时后，您将在战斗中观察自己的处境。你在失去更多的士兵吗？对手占主导地位了吗？因此，您决定在哪里继续战斗或投降。它包括马尔可夫决策过程等算法。
这些是常用的机器学习算法
这些算法只不过是用于对抗数据集的武器。确保你学好它们来建立你的军械库。看，我的军械库里有10件武器。你有几个人？
让我们看看我向士兵解释这些算法的方法。您还可以查看以下视频，以便快速了解这些技术！
https://youtu.be/6AKkpXJI1cg
1.线性回归
线性回归完全取代了你的反对意见。一旦你进入战场，不要回头看。一旦你已经杀死了你所有的敌人，只能休息。
2. Logistic回归
Logistic回归采取简单的假设，然后决定是否继续战争。
3.基于树的建模
这包括决策树，随机森林。基于树的建模只是划分规则。你用一些聪明的策略划分你的对手并杀死他们。
4.贝叶斯建模
贝叶斯模型正在考虑你在不同战斗阵地类型中获胜的概率，如空战，陆战，水战等。并且，相应地采取战斗的整体决定。
5.支持向量机
SVM 正在绘制对您来说具有优势的领域和边界。例如，你的士兵可能善于在沙漠/山地/田地等特定地区作战，并据此宣战。
6. kNN（k最近邻）
kNN 正在检查过去的结果和相应的映射。评估你在过去的战斗中的表现，考虑你的弱势和优势的领域，并相应地准备下一场战斗。
7. k-means
k-means 正在与拥有相同哲学，目标和动机的省份建立联盟（团体）。这个想法比以往任何时候都变得更加强大。
8.神经网络和感知器
神经网络是你军队中的每一个士兵决定战斗的对象。想象一下，当士兵向敌方士兵奔跑并立即决定战斗的士兵时会出现这种情况。当然，每个士兵都宁愿与较弱的敌方士兵（观察和分析）作战，这样他就可以迅速杀死更多的士兵。总的来说，这一战略将影响整个军队的表现。
9.集合建模
合奏模型是指一支军队由各种战斗技能娴熟的人组成，如射箭，刀战，剑士，射击等，其共同的动机是“战胜敌人”。所有这些人在一起将导致一支强大的军队。
10.异常检测
异常检测正在检查你自己军队中的异常模式。你的士兵兄弟中可能有一个秘密特工。定期检查。
结束笔记
我希望你现在能很好地理解这些算法。这就是我帮助那个士兵理解这些算法的方法。我相信，自然界中最困难的事情，确实都有一个简单的解释。我们只需要开始将它与我们联系起来。就像我刚才那样。对机器学习不熟悉的人现在会发现它们更容易记住并应用这些算法。
在本文中，我已经在战争，战斗和战略方面向士兵解释了机器学习算法。你觉得看战，战争有趣吗？如果是的话，你肯定会在这里找到兴趣。
你觉得它有用吗？请在下面的评论部分分享您的意见/建议。
（完）
