机器学习相关算法：回溯算法 贪心算法 回归算法(线性回归) 算法超参数 多项式时间 朴素贝叶斯分类算法
整理了一张“机器学习相关算法与概念速览表”，既包含定义，也配上了容易记住的例子，让大家一眼就能抓住它们的特点：
🤖 机器学习与相关算法&概念
| 名称 | 定义 | 生动例子 | 典型应用场景 |
|---|---|---|---|
| 回溯算法 | 通过不断尝试和回退来寻找问题解的一种方法，遇到死胡同时回到上一步重新尝试 | 解迷宫：走到死路就原路返回，换另一条路走 | 组合优化、路径搜索（如数独求解、八皇后问题） |
| 贪心算法 | 每一步都做出当前看起来“最优”的选择，期望最终得到全局最优解 | 找零：用面额最大的硬币优先，直到凑够总金额 | 最短路径（Dijkstra）、区间调度、哈夫曼编码 |
| 回归算法（线性回归） | 用一条直线（或超平面）来拟合数据关系，预测连续变量 | 预测房价：根据面积和房龄估算价格 | 销售额预测、趋势分析、风险评估 |
| 算法超参数 | 在训练前设定的参数，不随数据直接更新，需要人工或自动搜索 | 烤蛋糕的温度和时间：烤之前就要设定好，否则成品会变味 | 学习率、树深度、正则化系数等调优 |
| 多项式时间 | 算法运行时间随输入规模 n 的多项式关系增长（如 n²、n³），通常可接受 | 整理书架：书本数量翻倍，整理时间变成原来的4倍（n²） | 可扩展性评估、算法复杂度分析 |
| 朴素贝叶斯分类算法 | 基于贝叶斯定理，并假设特征之间相互独立的分类算法 | 垃圾邮件过滤：假设邮件中“中奖”出现就大大增加是垃圾邮件的概率 | 文本分类、情感分析、疾病诊断 |
💡 Tips
-
回溯和贪心都是“策略”类算法，前者更全面但慢，后者更快但不保证全局最优
-
回归算法、朴素贝叶斯是机器学习模型本身
-
多项式时间是算法复杂度的一个衡量
-
超参数是模型训练中的可调“旋钮”，选得好性能飙升
-
整理 by Moshow郑锴@https://zhengkai.blog.csdn.net/