第12章 算法总结
12.1 贝叶斯分类器
- 优点:训练、查询速度快;支持增量式训练;易解释
- 缺点:无法处理基于特征组合所产生的变化结果
12.2 决策树分类器
- 优点:易解释;容易处理变量之间的相互影响
- 缺点:不支持增量式训练
12.3 神经网络
- 优点:能够处理复杂的非线性函数;能发现不同输入间的依赖关系;支持增量式训练
- 缺点:黑盒方法;选择网络规模靠经验
12.4 支持向量机
- 优点:预测速度快
- 缺点:对每个数据集的最佳核变换函数及相应的参数都是不一样的;黑盒技术
12.5 KNN
- 优点:过程简单;合理的数据缩放能改善结果;在线技术
- 缺点:预测时所有数据缺一不可;找缩放因子过程繁琐
第9章SVM理论很少,还是建议先对其他相关书籍理解内部原理再来看这章。第10章讲的更是跳跃,“鸡尾酒宴会问题”可参考Ng的ICA部分。第11章将GA算法用到树上,还有一个小游戏,这章之后空了再补起来。