機器學習分類算法綜述1.1支持向量機分類算法支持向量機REF_Ref68554841\r\h[28]REF_Ref68554842\r\h[29]（SVM）算法是傳統機器學習算法的代表，是由廣義的肖像算法發展而來。其分類模式就是找到一個超平面，在分開兩類樣本的同時，盡可能是分離間隔最大，使得超平面的魯棒性最佳。設訓練集為，得超平面。（2.1）其中：和分別為系數和偏置，T中所有元素滿足下式。（2.2）為求最優的，將線性方程組轉化成相應的對偶問題[28,29]，建立凸二次規劃。（2.3）其中：為解中每一個點對應拉格朗日乘子，，求解得，計算得到，。（2.4）（2.5）（2.6）（2.7）1.4K近鄰算法K近鄰算法REF_Ref68554984\r\h[33]（K-NearestNeighbor）是屬于數據挖掘中非常簡單的一種算法，分類方法就是用兩點間距離去衡量的。K近鄰算法的核心思想是把所有的樣本放到同一個空間內，和它相距不超過K的距離的都會判定為同一個類別。K近鄰算法計算方式比較簡單，但是耗時間。算法示意圖如圖2.3所示。圖2.3K近鄰算法K近鄰算法發展較早，是一種比較成熟的分類算法，它在進行分類的時候，只與少數的距離比較近的樣本有關聯，所以它適合的樣本集也是需要有特定特征的，例如交叉或者重疊比較多的分類樣本集。易于弄懂，容易實現，但其劣勢之處在于你如果新加入一個新樣本時，會打破原有的平衡，很容易導致分類結果發生錯誤。另外一個劣勢就是在于對于每一個樣本，每兩個樣本都需要計算一次距離，計算量很大，時間成本高，這也是K近鄰算法應用在情感分析較少的原因。1.2XGBoost分類算法XGBoost作為集成學習的代表，有著其獨到的優勢，大家都說單一決策樹的泛化能力比較弱，很容易發生過擬合，但是XGBoost就完完全全沒有這個弱點。這一算法一經陳天奇提出以后，引發了各大公司的廣泛應用，而且在各大類數據競賽中表現良好，成為公司和學者的寵兒。基于Boosting的算法每個分類器之前都有著千絲萬縷的聯系，所以算法的核心都是為了讓真實值和預測值差距更小，XGBoost就是通過其獨到的方式，產生多棵樹，而且不斷增加，最后將所有樹的分數加起來作為最后的預測值，而且所有算法都要求泛化能力，這也是衡量一個算法的好壞，所以這其實也是一個泛函最優化問題。首先設算法目標函數如（2.8）所示。（2.8）為損失函數。為正則項函數。為L2正則項，其中是權重，通過L2為懲罰項，為了防止過擬合，加強泛化能力而設置。基于Boosting思想每次分裂都引入一個基分類器去優化損失函數，得目標函數為（2.9）式。（2.9）二階泰勒展開式如（2.10）式。（2.10）對目標函數做二階泰勒展開可以得到：（2.11）其中：和分別為和。是定值，計算可得到（2.12）式。（2.12）由于每一個基分類器都對應一個葉子結點，則目標函數可以簡化為（2.13）式。（2.13）通過對求導等于0，可以得到目標函數的最優權重，如（2.14）式。（2.14）將帶入目標函數得到（2.13）式。（2.15）1.3樸素貝葉斯在介紹樸素貝葉斯時REF_Ref68554952\r\h[32]，首先就是要弄清楚他的理論。樸素貝葉斯也屬于分類算法，對于所有分類算法來說，目的都是看分類的準確率，而貝葉斯分類是利用概率和來進行分類判別。對于類別分類任務，記類別為，計算得期望損失。（2.16）根據貝葉斯判定準則，只要每個樣本風險最小，那么最后的加和風險也就達到最低值，可以得到（2.18）式。（2.17）此時，稱為貝葉斯最佳分類器。如果我的目標是最小化分類錯誤率，就會選擇后驗概率作為標記，貝葉斯最佳分類器可表示為（2.19）式。（2.18）樸素貝葉斯就是貝葉斯這個理論大廈的基石，樸素貝葉斯是假定個樣本相互獨立的，但是事實上很多樣