1. Bayes 贝叶斯分类法

1.1. 优点

1）所需估计的参数少，对于缺失数据不敏感。

2）有着坚实的数学基础，以及稳定的分类效率。

1.2. 缺点

1）需要假设属性之间相互独立，这往往并不成立。（喜欢吃番茄、鸡蛋，却不喜欢吃番茄炒蛋）。

2）需要知道先验概率。

3）分类决策存在错误率。

2. Decision Tree决策树

2.1. 优点

1）不需要任何领域知识或参数假设。

2）适合高维数据。

3）简单易于理解。

4）短时间内处理大量数据，得到可行且效果较好的结果。

5）能够同时处理数据型和常规性属性。

2.2. 缺点

1）对于各类别样本数量不一致数据，信息增益偏向于那些具有更多数值的特征。

2）易于过拟合。

3）忽略属性之间的相关性。

4）不支持在线学习。

3. SVM支持向量机

3.1. 优点

1）可以解决小样本下机器学习的问题。

2）提高泛化性能。

3）可以解决高维、非线性问题。超高维文本分类仍受欢迎。

4）避免神经网络结构选择和局部极小的问题。

3.2. 缺点

1）对缺失数据敏感。

2）内存消耗大，难以解释。

3）运行和调参略烦人。

4. KNN K近邻

4.1. 优点

1）思想简单，理论成熟，既可以用来做分类也可以用来做回归；

2）可用于非线性分类；

3）训练时间复杂度为O(n)；

4）准确度高，对数据没有假设，对outlier不敏感；

4.2. 缺点

1）计算量太大。

2）对于样本分类不均衡的问题，会产生误判。

3）需要大量的内存。

4）输出的可解释性不强。

5. Logistic Regression逻辑回归

5.1. 优点

1）速度快。

2）简单易于理解，直接看到各个特征的权重。

3）能容易地更新模型吸收新的数据。

4）如果想要一个概率框架，动态调整分类阀值。

5.2. 缺点

特征处理复杂。需要归一化和较多的特征工程。

6. Neural Network 神经网络

6.1. 优点

1）分类准确率高。

2）并行处理能力强。

3）分布式存储和学习能力强。

4）鲁棒性较强，不易受噪声影响。

6.2. 缺点

1）需要大量参数（网络拓扑、阀值、阈值）。

2）结果难以解释。

3）训练时间过长。

7. Adaboosting

7.1. 优点

1）adaboost是一种有很高精度的分类器。

2）可以使用各种方法构建子分类器，Adaboost算法提供的是框架。

3）当使用简单分类器时，计算出的结果是可以理解的。而且弱分类器构造极其简单。

4）简单，不用做特征筛选。

5）不用担心overfifitting。

7.2. 缺点

对outlier比较敏感

参考文献

深度学习500问

常用分类算法的优缺点相关推荐

各常用分类算法的优缺点总结:DT/ANN/KNN/SVM/GA/Bayes/Adaboosting/Rocchio
1决策树(Decision Trees)的优缺点决策树的优点: 一. 决策树易于理解和解释.人们在通过解释后都有能力去理解决策树所表达的意义. 二. 对于决策树,数据的准备往往是简单或者是不必要的. ...
机器学习常见的分类算法的优缺点
1. 前言在机器学习中,种类最多的一类算法要属很类算法,本文对机器学习中的各种分类算法的优缺点做一个总结. 2. 贝叶斯分类法 2.1 优点所需估计的参数少,对于缺失数据不敏感. 有着坚实的数学基 ...
数据挖掘算法——常用分类算法总结
常用分类算法总结分类算法 NBC算法 LR算法 SVM算法 ID3算法 C4.5 算法 C5.0算法 KNN 算法 ANN 算法分类算法分类是在一群已经知道类别标号的样本中,训练一种分类器,让其 ...
机器学习中分类算法的优缺点
决策树一. 决策树优点 1.决策树易于理解和解释,可以可视化分析,容易提取出规则. 2.可以同时处理标称型和数值型数据. 3.测试数据集时,运行速度比较快. 4.决策树可以很好的扩展到大型数据库中 ...
基于Python实现五大常用分类算法(原理+代码)
读: 在机器学习和统计中,分类算法通过对已知类别训练集的计算和分析,从中发现类别规则并预测新数据的类别.分类被认为是监督学习的一个实例,即学习可以获得正确识别的观察的训练集的情况. 实现分类的算法,特 ...
模式识别之基础---常用分类算法特性归纳
常用的分类算法主要有决策树,贝叶斯,KNN,SVM,神经网络以及基于规则的分类算法. 本文主要对各种分类算法的特性做一下总结. 1. 决策树算法决策树算法是一种构建分类模型的非参数方法,它不要求任何 ...
不同分类算法的优缺点是什么？（值得推荐）
本篇文章讲解大白话,易懂目录目录 1不同分类算法的优点是什么-Xavier Amatriain版逻辑回归支持向量机SVM 决策树集深度学习总结 2不同分类算法的优点是什么-Ediwin C ...
【综述】介绍这些常用机器学习算法的优缺点
视学算法来源:数据派THU.七月在线目录正则化算法(Regularization Algorithms) 集成算法(Ensemble Algorithms) 决策树算法(Decision Tre ...
机器学习中常用的分类算法总结
分类算法分类算法和回归算法是对真实世界不同建模的方法.分类模型是认为模型的输出是离散的,例如大自然的生物被划分为不同的种类,是离散的.回归模型的输出是连续的,例如人的身高变化过程是一个连续过程, ...

常用分类算法的优缺点