机器学习算法优劣势及适用场景总结

Posted 2020-10-19 conor

持续更新中...

1.k-近邻算法

优势：精度高、对异常值不敏感、无数据输入设定

缺点：计算复杂度高、空间复杂度高

适用数据范围：数值型和标称型

适用场景：

 

2.ID3决策树算法

优势：计算复杂度不高，输出结果易于理解，对中间值的缺失不敏感，可以处理不相关特征数据

劣势：可能会产生过度匹配问题

适用数据类型：标称型

适用场景：

 

3.朴素贝叶斯

优势：在数据较少的情况下仍然有效，可以处理多类别问题

劣势：对于输入数据的准备方式较为敏感

适用数据类型：标称型数据

适用场景：文档分类