目录
常见机器学习算法的优缺点
1. 线性回归Linear regression.
优点:简单,上手快,对线性可分的数据有效,正则和交叉验证法可以避免过拟合。
缺点:对异常值敏感,很容易过拟合或者欠拟合. 无法处理非线性数据。
2. 逻辑回归Logistic regression.
优点:简单,上手快,数据做不做预处理都无所谓,输出数据自动落入(0,1)区间,对输入数据的微小波动不敏感,可以通过数值分析方法进行模型优化。
缺点:非线性数据表现不好,对于特征highly correlated的表现不好, 特征必须有明确指向性。
3. 支持向量机SVM
优点:线性非线性数据