监督学习:
回归分析 | K最近邻 | 支持向量机 | 决策树 | 随机森林 | 神经网络 | ||
调节参数 | 正则化参数(针对套索回归和岭回归) | 最近邻数量 | 软间隔常数 核参数 不敏感参数 | 终端节点的最小尺寸 终端节点的最大数量 最大树深度 | 决策树的所有参数 决策树数量 每次拆分所选的变量数 | 隐藏层数量 每层神经元数量 训练迭代数 学习速度 初始权重 | |
预测结果 | 二元结果 | √ | √ | √ | √ | √ | √ |
分类结果 | √ | √ | √ | √ | |||
类别概率 | √ | √ | √ | √ | √ | ||
连续结果 | √ | √ | √ | √ | √ | ||
非线性关系 | √ | √ | √ | √ | √ | ||
分析 | 变量多 | √ | √ | √ | √ | ||
易用 | √ | √ | √ | √ | |||
计算速度快 | √ | √ | √ | ||||
结果 | 准确度高 | √ | √ | ||||
可解释性 | √ | √ | √ |
无监督学习:
| K均值聚类 | 主成分分析 | 关联股则 | Louvain方法 | PageRank算法 | |
输入 | 二元值 | √ | ||||
连续值 | √ | √ | ||||
节点与边 | √ | √ | ||||
输出 | 分类 | √ | √ | √ | ||
关联 | √ | |||||
排序 | √ |