1.简介
1)逻辑回归 通过拟合曲线(or学习超平面)完成分类。
2)决策树 通过寻找最优特征作为当前子树的root-node进而建成决策树(样本路径)完成分类。
3)支持向量机 通过寻找分类超平面实现最大化类别间隔来完成分类。
4)朴素贝叶斯 通过考虑特征概率完成预测分类。
2.优缺点
(end)
1)逻辑回归 通过拟合曲线(or学习超平面)完成分类。
2)决策树 通过寻找最优特征作为当前子树的root-node进而建成决策树(样本路径)完成分类。
3)支持向量机 通过寻找分类超平面实现最大化类别间隔来完成分类。
4)朴素贝叶斯 通过考虑特征概率完成预测分类。
(end)