常见机器学习算法的优缺点及如何选择1

目录

常见机器学习算法的优缺点

1. 线性回归Linear regression.

2. 逻辑回归Logistic regression.

3. 支持向量机SVM 

4. 神经网络Neural Network 

5. Naive Bayes

6. 决策树Decision Tree

7. 随机森林Random Forest

8. KNN

9. K-mean

如何选择算法

---

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