选择合适的模型处理问题

首先要考虑的问题？训练集有多大， 小训练集使用，高偏差、低方差的模型，朴素贝叶斯

大训练集使用，低偏差、高方差的模型，KNN。

朴素贝叶斯：不能学习特征之间的交互关系。

决策树：不支持在线学习，当样本置新时，决策树需要重建。而且容易过拟合

SVM：高准确率，避免过拟合，就算数据在原特征空间是线性不可分的，只要给一个合适的核函数，他就能运行。但是内存消耗大，调参麻烦。

提升准确率还是要尝试多种分类器，并且通过交叉验证，或者通过集成方法（boosting）将它们综合起来。