机器学习从入门到创业手记-监督学习总结报告

今日只有杨导师的邮件,让我们把学到监督学习算法优缺点,通过自学后总结出来,下班时发邮件提交。

 

       安逸的监督学习算法报告:

 

 

线性回归优点:

  • 能够拟合非线性可分的数据,更加灵活的处理复杂的关系
  • 因为需要设置变量的指数,所以它是完全控制要素变量的建模

 

线性回归缺点:

  • 需要一些数据的先验知识才能选择最佳指数
  • 如果指数选择不当容易出现过拟合

 

 

逻辑回归优点:

  • 速度快,适合二分类问题
  • 简单易于理解,直接看到各个特征的权重
  • 能容易地更新模型吸收新的数据

逻辑回归缺点:

  • 对数据和场景的适应能力有局限性,不如决策树算法适应性那么强

 

 

SVM优点:

  • 解决小样本下机器学习问题
  • 解决非线性问题
  • 无局部极小值问题。(相对于神经网络等算法)
  • 可以很好的处理高维数据集
  • 泛化能力比较强

SVM缺点:

  • 对于核函数的高维映射解释力不强,尤其是径向基函数
  • 对缺失数据敏感

 

 

决策树优点:

  • 决策树易于理解和解释,可以可视化分析,容易提取出规则
  • 可以同时处理标称型和数值型数据
  • 测试数据集时,运行速度比较快
  • 决策树可以很好的扩展到大型数据库中,同时它的大小独立于数据库大小

决策树缺点:

  • 对缺失数据处理比较困难
  • 容易出现过拟合问题
  • 忽略数据集中属性的相互关
  • ID3算法计算信息增益时结果偏向数值比较多的特征

 

 

 

猜你喜欢

转载自blog.csdn.net/yoki2009/article/details/88530686