【机器学习】吴恩达：机器学习的六个核心算法！
原文链接
吴恩达在其创办的人工智能周讯《The Batch》上更新了一篇博文，总结了机器学习领域多个基础算法的历史溯源。
吴恩达回忆他的研究历程中曾有一次抉择：
多年前，在一次项目中，选择算法时，他不得不在神经网络与决策树学习算法之间做选择。考虑到计算预算，他最终选择了神经网络，在很长的一段时间内弃用增强决策树。
这是一个错误的决定，幸好我的团队很快修改了我的选择，项目才成功。吴恩达谈道。
他由此感叹，不断学习与更新基础知识是十分重要的。与其他技术领域一样，随着研究人员的增加、研究成果数量的增长，机器学习领域也在不断发展。但有些基础算法与核心思想的贡献是经得起时间考验的。
吴恩达与团队调研了六种基础算法的来源、用途、演变等，并提供了较为详细的讲解。这六种算法分别是：线性回归、逻辑回归、梯度下降、神经网络、决策树与k均值聚类算法。
线性回归是机器学习中的一个关键的统计方法，但它并