方法 | 适用问题 | 模型特点 | 模型类型 | 学习策略 | 学习的损失函数 | 学习算法 |
---|---|---|---|---|---|---|
感知机 | 二分类 | 分离超平面 | 判别模型 | 极小化误分类点到超平面的距离 | 误分点到超平面的距离 | 随机梯度下降 |
k邻近法 | 多分类,回归 | 特征空间,样本点 | 判别模型 | - | - | - |
朴素贝叶斯 | 多分类 | 特征与类别的联合概率分布,条件独立假设 | 生成模型 | 极大似然估计,最大后验概率估计 | 对数似然损失 | 概率计算公式,EM算法 |
决策树 | 多分类,回归 | 分类树,回归树 | 判别模型 | 正则化的极大似然估计 | 对数似然损失函数 | 特征选择,生成,剪枝 |
逻辑斯谛回归与最大熵 | 多分类 | 特征条件下类别的条件概率分布,对数线形模型 | 判别模型 | 极大似然估计,正则化的极大似然估计 | 逻辑斯谛损失 | 改进的迭代尺度算法,梯度下降,拟牛顿法 |
支持向量机 | 二分类 | 分离超平面,核技巧 | 判别模型 | 极小化正则化合页损失函数,软间隔最大化 | 合叶损失函数 | 序列最小最优化算法SMO |
提升方法 | 二分类 | 弱分类器的线性组合 | 判别模型 | 极小化加法模型的指数损失 | 指数损失 | 前向分布加法算法 |
EM算法 | 概率模型参数估计 | 含隐变量概率模型 | - | 极大似然估计,最大后验概率估计 | 对数似然估计 | 迭代算法 |
隐马尔可夫模型 | 标注 | 观测序列与状态序列的联合概率分布模型 | 生成模型 | 极大似然估计,最大后验概率估计 | 对数似然损失 | 概率计算公式,EM算法 |
条件随机场 | 标注 | 状态序列条件下观测序列的条件概率分别,对数线性模型 | 判别模型 | 极大似然估计,正则化极大似然估计 | 对数似然损失 | 改进的迭代尺度算法,梯度下降,拟牛顿法 |
《统计学习方法》(第十二章)——监督学习方法总结
最新推荐文章于 2024-05-21 21:47:17 发布