機器學(xué)習(xí)算法的介紹及算法優(yōu)缺點的分析
機器學(xué)習(xí)算法數(shù)不勝數(shù)，要想找到一個合適的算法并不是一件簡單的事情。通常在對精度要求較高的情況下，最好的方法便是通過交叉驗證來對各個算法一一嘗試，進(jìn)行比較后再調(diào)整參數(shù)以確保每個算法都能達(dá)到最優(yōu)解，并從優(yōu)中擇優(yōu)。但是每次都進(jìn)行這一操作不免過于繁瑣，下面小編來分析下各個算法的優(yōu)缺點，以助大家有針對性地進(jìn)行選擇，解決問題。
1.樸素貝葉斯
樸素貝葉斯的思想十分簡單，對于給出的待分類項，求出在此項出現(xiàn)的條件下各個類別出現(xiàn)的概率，以概率大小確定分類項屬于哪個類別。
優(yōu)點：
1）樸素貝葉斯模型發(fā)源于古典數(shù)學(xué)理論，因此有著堅實的數(shù)學(xué)基礎(chǔ)，以及穩(wěn)定的分類效率；
2）算法較簡單，常用于文本分類；
3）對小規(guī)模的數(shù)據(jù)表現(xiàn)很好，能夠處理多分類任務(wù)，適合增量式訓(xùn)練。
缺點：
1）需要計算先驗概率；
2）對輸入數(shù)據(jù)的表達(dá)形式很敏感；
3）分類決策存在錯誤率。
2.邏輯回歸
優(yōu)點：
1）實現(xiàn)簡單，廣泛地應(yīng)用于工業(yè)問題上；
2）可以結(jié)合L2正則化解決多重共線性問題；
3）分類時計算量非常小，速度很快，存儲資源低；
缺點：
1）不能很好地處理大量多類特征或變量；
2）容易欠擬合，一般準(zhǔn)確度較低；
3）對于非線性特征，需要進(jìn)行轉(zhuǎn)換；
4）當(dāng)特征空間很大時，邏輯回歸的性能不是很好；
5）只能處理兩分類問題（在該基礎(chǔ)上衍生出來的softmax可以用于多分類），且必須線性可分。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
機器學(xué)習(xí)算法的介紹及算法優(yōu)缺點的分析下載
相關(guān)電子資料下載
- 機器學(xué)習(xí)算法科研：預(yù)測甘蔗產(chǎn)量 225
- 【今晚開播】社區(qū)說 | 八仙過海: 機器學(xué)習(xí)算法專題篇 244
- 社區(qū)說 | 八仙過海: 機器學(xué)習(xí)算法專題篇 181
- 普林斯頓博士：手寫30個主流機器學(xué)習(xí)算法，全都開源了！ 177
- 一種基于光纖傳感器的智能手環(huán)系統(tǒng)設(shè)計 588
- 機器學(xué)習(xí)有哪些算法？機器學(xué)習(xí)分類算法有哪些？機器學(xué)習(xí)預(yù)判有哪些算法？ 610
- 機器學(xué)習(xí)vsm算法 247
- 機器學(xué)習(xí)算法入門 機器學(xué)習(xí)算法介紹 機器學(xué)習(xí)算法對比 278
- 機器學(xué)習(xí)算法總結(jié) 機器學(xué)習(xí)算法是什么 機器學(xué)習(xí)算法優(yōu)缺點 358
- 機器學(xué)習(xí)算法匯總 機器學(xué)習(xí)算法分類 機器學(xué)習(xí)算法模型 305