算法--分类算法

文章纯属个人愚见，欢迎指正！

分类：分类就是通过一些学习（监督学习），弄错一个分类器或者说分类模型，当你把一个参数（数据）放入时，可以告诉你你这参数（数据）应该放到哪个类，类似于猫狗分类。

一：朴素贝叶斯(Naive Bayes, NB)

http://www.ruanyifeng.com/blog/2011/08/bayesian_inference_part_one.html

二：Logistic回归(Logistic Regression, LR)

https://blog.csdn.net/qq_20073741/article/details/102647497

三：决策树（Decision Tree, DT）

基本术语：

• 根节点(Root Node)：它代表整个种群或样本，并进一步分为两个或更多个同类集。
• 拆分(Splitting)：这是将节点划分为两个或更多个子节点的过程。
• 决策节点(Decision Node)：当子节点分裂成更多的子节点时，它被称为决策节点。
• 叶子/终端节点(Leaf/ Terminal Node)：不分割的节点称为叶子或终端节点。

• 修剪(Pruning)：当我们删除决策节点的子节点时，此过程称为修剪。 你可以说相反的分裂过程。
• 分支/子树(Branch / Sub-Tree)：整个树的子部分称为分支或子树。
• 父节点和子节点(Parent and Child Node)：划分为子节点的节点称为子节点的父节点，其中子节点是父节点的子节点。

https://blog.csdn.net/qq_39384184/article/details/79940305

四：随机森林（Random Forest, RF）

https://blog.csdn.net/qq_20073741/article/details/103537438

五：支持向量机（Support Vector Machine, SVM）

       特点：数据量少

分类算法评估指标：

 （1）分类准确度

 （2）召回率

 （3）虚警率

 （4）精确度