常用算法优缺点

朴素贝叶斯 常用于文本分类

对缺失值不敏感、能处理多分类、算法简单

需要计算先验概率、先验有一定的错误率；模型假设是各特征相互独立，所以面对相关性较强的特征可能分类效果不好

本质是根据先验概率和数据来估计后验分布，也有一定的错误率

 

KNN

简单有效

类别重叠时，效果比别的分类器好一些

可用于非线性分类；

对数据没有假设，准确度高，对异常值不敏感；

缺点

计算量大；

样本不平衡问题

需要大量的内存；

 

决策树

逻辑清晰，便于向业务人员解释

不需要考虑特征之间的相关性

分类速度快

不需要对数据进行预处理

缺点

容易过拟合  忽略数据之间的相关性。信息增益偏向取值较多的特征   增益比偏向取值较少的特征

 

 

K-means

算法简单 容易实现 适合数值型数据

当簇密集时 分类效果较好

大规模数据收敛慢

对噪声和孤点较敏感

对初始点敏感  k值难取

 

逻辑回归

主要是线性划分即 假设数据服从伯努利分布  通过极大似然函数 利用梯度下降求解 从而实现二分类的方法

模型简单 可解释性好

运算内存需求小 训练速度快  输出结果就是各样本的概率分数 便于划分阈值

 

模型简单  分类效果有限   无法筛选变量  很难处理样本不平衡的问题  对异常值敏感