科技

您的位置:主页 > 科技 >

机器学习算法数不胜数,寻找合适的算法_lol下注平台

发布日期:2020-12-14 14:19浏览次数:
本文摘要:机器学习算法数不胜数,寻找合适的算法不是非常简单的事情。但是每次展开这个操作者必然太复杂了,以下小编分析了各种算法的优缺点,有助于大家在性上展开自由选择,解决问题。逻辑复位的优点:1)构建非常简单,普遍应用于工业问题。

精度

机器学习算法数不胜数,寻找合适的算法不是非常简单的事情。一般来说,在精度拒绝高的情况下,最坏的方法是通过交叉检查逐一尝试各算法,展开后调整参数,使各算法能够超过拟合解法,从优良中筛选。但是每次展开这个操作者必然太复杂了,以下小编分析了各种算法的优缺点,有助于大家在性上展开自由选择,解决问题。

1.naiveBayesnaiveBayes的思想非常简单,对于得到的分类对象项目,计算出在该项目经常出现的条件下各级经常出现的概率,用概率尺寸确认分类项目属于哪个级。优点:1)朴素贝叶斯模型源于古典数学理论,因此具有坚实的数学基础和平稳的分类效率。2 )算法非常简单,经常用于文本分类。3 )小数据优秀,需要处理多分类任务,适合增量训练。

缺点:1)必须计算先验概率2 )输出数据的表现形式脆弱3 )分类决定中不存在错误率。2 .逻辑复位的优点:1)构建非常简单,普遍应用于工业问题。2 )融合L2正则化可以解决问题的多重共线性问题。

展开

3 )分类时计算的量非常小,速度快,存储资源低。缺点:1)不能很好地处理很多种类的特征和变量2 )数值很难出现,一般精度很低。3 )对于非线性特征,必须展开切换。4 )特征空间相当大时,逻辑复位的性能不太好。

5 )无法处理两个分类问题(在此基础上派生的softmax可以作为多分类使用),需要线性分离。


本文关键词:分类,展开,经常出现,性能,lol下注平台

本文来源:lol下注平台-www.the-loadout.com