word2vec 层次softmax
逻辑回归1
http://www.cnblogs.com/leoo2sk/archive/2010/09/17/naive-bayesian-classifier.html
朴素贝叶斯:
优点: (1) 算法逻辑简单,易于实现(算法思路很简单) (2)分类过程中时空开销小(假设特征相互独立,只会涉及到二维存储) 缺点: 理论上,朴素贝叶斯模型与其他分类方法相比具有最小的误差率。但是实际上并非总是如此,这是因为朴素贝叶斯模型假设属性之间相互独立,这个假设在实际应用中往往是不成立的,在属性个数比较多或者属性之间相关性较大时,分类效果不好。 而在属性相关性较小时,朴素贝叶斯性能最为良好。对于这一点,有半朴素贝叶斯之类的算法通过考虑部分关联性适度改进。 整个例子详细的讲解了朴素贝叶斯算法的分类过程
CRF (待找)
及他们用在什么地方..