机器学习-分类器-总结

• 逻辑回归（Logistic Regression）:

  • 优点：简单、快速、容易解释。
  • 缺点：线性模型，可能无法处理复杂的关系。

• 决策树（Decision Tree）:

  • 优点：易解释、能够处理非线性关系。
  • 缺点：容易过拟合，需要剪枝或其他正则化方法。

• 随机森林（Random Forest）:

  • 优点：抗过拟合、鲁棒性好、性能强大。
  • 缺点：计算量较大，预测时间较长。

• 支持向量机（SVM）:

  • 优点：在高维空间中效果好、能够处理非线性关系。
  • 缺点：训练时间长、需要调参。
• 聚类
  • 优点：不需要标记数据。
  • 缺点：对初始值和参数的选择敏感，在噪声和异常值较多的数据集表现不佳，难以处理高维数据和大数据集。