码迷,mamicode.com
首页 > 编程语言 > 详细

算法总结、类比

时间:2017-01-07 10:54:32      阅读:201      评论:0      收藏:0      [点我收藏+]

标签:决策   变量   大量   span   类方法   简单   大数据   识别   算法   

1.用于文档分类的贝叶斯分类器:

          监督算法
          优点:
                    训练和查询数据的高效性
                    每次训练可能只是用一个训练项,不想决策树、SVM必须传入整个群组,才能得到最后的结果
          缺点:
                    因为贝叶斯定理假设特征间彼此相互独立,所以无法对组合特征的结果分类
 
2.决策树分类器:
          监督算法:
          优点:
                    模型的解释相对容易,最为重要的判断因素都很好的安排在靠近根部的位置;可以非常清晰的显示出哪些变量时最合适用于拆分数据的,在广告策划、判断哪些数据应该收集方面非常有意
                    能够同时处理分类和数值型数据
                    非常容易的处理变量间的相互影响,比分档分类的贝叶斯分类在这个方面好
          缺点:
                    对属性非常多的数据分类时,比较困难
                    不支持增量式的训练
 
3.神经网络
          监督的,可以识别出重要信息和非重要信息,既可以用于分类,也可以用于数值预测问题
          优点:
                    处理复杂的非线性函数,及不同输入间的依赖关系
                    增量式的训练
          缺点:
                    黑盒方法,不可控性
 
4.支持向量机、核技法:
          优点:
                    对新的观测数据分类速度最快
                    适合大数据集的分类,决策树等分类方法更适合小数据集
          缺点:
                    对于不同的数据集必须重新确定这些(核)变换函数及其参数
                    也是黑盒技术
 
5.kNN
          优点:
                    使用复杂函数进行数值预测,同时保持简单易懂的特点
                    能知道各个属性的重要程度
                    在线技术
 
          缺点:
                    要求大量的训练数据
                    为大数据集寻找缩放因子计算量非常大
 
6.聚类
 
7.非负矩阵因式分解:拆分数据得到新的关系
 
8.优化
          

算法总结、类比

标签:决策   变量   大量   span   类方法   简单   大数据   识别   算法   

原文地址:http://www.cnblogs.com/uttu/p/6258786.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!