您好,欢迎来电子发烧友网! ,新用户?[免费注册]

您的位置:电子发烧友网>源码下载>数值算法/人工智能>

机器学习算法的介绍及算法优缺点的分析

大小:0.1 MB 人气: 2017-09-19 需要积分:0

  机器学习算法数不胜数,要想找到一个合适的算法并不是一件简单的事情。通常在对精度要求较高的情况下,最好的方法便是通过交叉验证来对各个算法一一尝试,进行比较后再调整参数以确保每个算法都能达到最优解,并从优中择优。但是每次都进行这一操作不免过于繁琐,下面小编来分析下各个算法的优缺点,以助大家有针对性地进行选择,解决问题。

  机器学习算法的介绍及算法优缺点的分析

  1.朴素贝叶斯

  朴素贝叶斯的思想十分简单,对于给出的待分类项,求出在此项出现的条件下各个类别出现的概率,以概率大小确定分类项属于哪个类别。

  优点:

  1)朴素贝叶斯模型发源于古典数学理论,因此有着坚实的数学基础,以及稳定的分类效率;

  2)算法较简单,常用于文本分类;

  3)对小规模的数据表现很好,能够处理多分类任务,适合增量式训练。

  缺点:

  1)需要计算先验概率;

  2)对输入数据的表达形式很敏感;

  3)分类决策存在错误率。

  机器学习算法的介绍及算法优缺点的分析

  2.逻辑回归

  优点:

  1)实现简单,广泛地应用于工业问题上;

  2)可以结合L2正则化解决多重共线性问题;

  3)分类时计算量非常小,速度很快,存储资源低;

  缺点:

  1)不能很好地处理大量多类特征或变量;

  2)容易欠拟合,一般准确度较低;

  3)对于非线性特征,需要进行转换;

  4)当特征空间很大时,逻辑回归的性能不是很好;

  5)只能处理两分类问题(在该基础上衍生出来的softmax可以用于多分类),且必须线性可分。

非常好我支持^.^

(0) 0%

不好我反对

(0) 0%

      发表评论

      用户评论
      评价:好评中评差评

      发表评论,获取积分! 请遵守相关规定!