足球外围app-靠谱的外围足球app

行业新闻
Group news
足球外围app(靠谱的外围足球app)    您的位置: 足球外围app  >  行业新闻  >  正文

常见算法优缺点比较

2019年11月08日 文章来源:网络整理 热度:118℃ 作者:刘英

[导读] 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。

关键词:常见算法

常见算法优缺点比较

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。

常见算法优缺点比较

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。

常见算法优缺点比较

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。

常见算法优缺点比较

3.线性回归

线性回归与逻辑回归不同,它是用于回归的,而不是用于分类。其基本思想是用梯度下降法对最小二乘法形式的误差函数进行优化。

优点:实现简单,计算简单;

缺点:不能拟合非线性数据。

4.最近邻算法

优点:

1)对数据没有假设,准确度高;

2)可用于非线性分类;

3)训练时间复杂度为O(n);

4)理论成熟,思想简单,既可以用来做分类也可以用来做回归。

缺点:

1)计算量大;

2)需要大量的内存;

3)样本不平衡问题(即有些类别的样本数量很多,而其它样本的数量很少)。

常见算法优缺点比较

5.决策树

优点:

1)能够处理不相关的特征;

2)在相对短的时间内能够对大型数据源做出可行且效果良好的分析;

3)计算简单,易于理解,可解释性强;

4)比较适合处理有缺失属性的样本。

缺点:

1)忽略了数据之间的相关性;

2)容易发生过拟合(随机森林可以很大程度上减少过拟合);

3)在决策树当中,对于各类别样本数量不一致的数据,信息增益的结果偏向于那些具有更多数值的特征。

常见算法优缺点比较

关注电子发烧友微信

有趣有料的资讯及技术干货

常见算法优缺点比较

下载发烧友APP

打造属于您的人脉电子圈

常见算法优缺点比较

关注发烧友课堂

锁定最新课程活动及技术直播

声明:电子发烧友网转载作品均尽可能注明出处,该作品所有人的一切权利均不因足球外围app而转移。

上一篇:静电是什么?它是如何产生的?


下一篇:石墨烯的晶格和能带结构

友情链接
Links
XML 地图 | Sitemap 地图