各分类方法应用场景 逻辑回归,支持向量机,随机森林,GBT,深度学习

https://www.quora.com/What-are-the-advantages-of-different-classification-algorithms


训练样本的数量

特征的维度

是否线性可分

特征之间是相互独立的吗

特征是linear dependent 和target variable过拟合问题

速度,效果,内存限制


  • logistic regression

应用场景:feature大概是线性(什么意思?)的,数据是线性可分的,non-linear features->linear

优点:

1.robust to noise and void overfitting,feature selection by using l2 or l1 regularization

2.can be used in Big Data scenarios since it is pretty efficient and can be distributed using, ADMM

3.can be interpreted as probability


  • support vector machines</
  • 0
    点赞
  • 15
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值