zoukankan      html  css  js  c++  java
  • 【SVM、决策树、adaboost、LR对比】

    一、SVM

       1、应用场景:

         文本和图像分类。

       2、优点:

       分类效果好;有效处理高维空间的数据;无局部最小值问题;不易过拟合(模型中含有L2正则项);

       3、缺点:

       样本数据量较大需要较长训练时间;噪声不能太多;对缺失数据敏感;

    二、决策树

      1、应用:

      金融和电子商务

      2、优点:

      同时处理多种类型的数据;适合大量样本的数据;对部分数据缺失不敏感;

      3、缺点:

      容易过拟合;对属性具有强关联性时效果不好;

    三、adaboost

      1、应用:

      特征选择;回归问题;

      2、优点:

      精度高;不易过拟合;

      3、缺点:

      对数据不均衡敏感;耗时;

    四、对比:

      1.SVM与LR:

      相同:不用核的话都是线性分类器;都是监督学习;都是判别模型;

      不同:样本点对模型的作用不同;损失函数不同;理论基础不同(SVM基于严格的数学推导,LR基于统计);输出不同(LR可以给出概率);可处理空间维度不同;防过拟合程度不同;抗噪能力不同(SVM更好);svm需要先做归一化(距离度量);SVM容易核化。

      2.SVM与决策树:

    四、参考

       1、https://blog.csdn.net/sinat_32547403/article/details/72911193

       2、https://www.jianshu.com/p/f86de852ee96

  • 相关阅读:
    java 编译
    MapReduce
    搜索引擎中index、attribute和summary概念
    正排索引和倒排索引简单介绍
    SVN 使用
    PlantUML + Chrome 联合使用
    vim 多标签和多窗口
    关于数据库不适合docker的原因(摘抄)
    跨域
    is_valid校验机制
  • 原文地址:https://www.cnblogs.com/EstherLjy/p/9426226.html
Copyright © 2011-2022 走看看