几种算法的使用场景简单记录

最近邻 适用于小型数据集,是很好的基准模型,很容易解释。 线性模型 非常可靠的首选算法,适用于非常大的数据集,也适用于高维数据。 朴素贝叶斯 只适用于分类问题。比线性模型速度还快,适用于非常大的数据集和高维数据。精度通 常要低于线性模型。 决策树 速度很快,不需要数据缩放,可以可视化,很容易解释。 随机森林 几乎总是比单棵决策树的表现要好,鲁棒性很好,非常强大。不需要数据缩放。不适用 于高维稀疏数据。 梯度提升决策树 精度通常比随机森林略高。与随机森林相比,训练速度更慢,但预测速度更快,需要的 内存也更少。比随机森林需要更多的参数调节。 支持向量机 对于特征含义相似的中等大小的数据集很强大。需