当前位置:   article > 正文

Six common classification algorithms in machine learning

Six common classification algorithms in machine learning

分类算法是一种机器学习算法,其主要目的是从数据中发现规律并将数据分成不同的类别。分类算法通过对已知类别训练集的计算和分析,从中发现类别规则并预测新数据的类别。常见的分类算法包括决策树、朴素贝叶斯、逻辑回归、K-最近邻、支持向量机等。分类算法广泛应用于金融、医疗、电子商务等领域,以帮助人们更好地理解和利用数据。
在这里插入图片描述

1、K-最近邻

kNN是一个基本而简单的分类算法,作为监督学习,那么KNN模型需要的是有标签的训练数据,对于新样本的类别由与新样本距离最近的k个训练样本点按照分类决策规则决定。k近邻法1968年由Cover和Hart提出。
K-近邻算法中,K表示距离最近的K个实例。
简单,易于理解,易于实现,无需估计参数,无需训练;
适合对稀有事件进行分类(例如当流失率很低时,比如低于0.5%,构造流失预测模型);
特别适合于多分类问题(multi-modal,对象具有多个类别标签),例如根据基因特征来判断其功能分类,kNN比SVM的表现要好。
懒惰算法,对测试样本分类时的计算量大,内存开销大,评分慢;可解释性较差,无法给出决策树那样的规则。

2、决策树

3、朴素贝叶斯

4、决策树-SVM

决策树算法的本质是一种图结构,只需要问一系列问题就可以对数据进行分类。

5、支持向量机

支持向量机(support vector machines,SVM)是一种二分类模型,它的目的是寻找一个超平面来对样本进行分割,分割的原则是间隔最大化,最终转化为一个凸二次规划问题来求解。由简至繁的模型包括:

6、随机森林

7、逻辑回归

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/酷酷是懒虫/article/detail/877830
推荐阅读
相关标签
  

闽ICP备14008679号