机器学习数据挖掘作业.rar

结论各分类算法各有各的优点对于贝叶斯实现简单数据越多可能表现越好越准确但是仅仅在各条件之间相互独立这个情况在实际应用中往往不成立随着属性的增多分类效果会下降.对于决策树分类算法前期的数据预处理很重要如果标签类太多条件太多决策树可能会变得很庞大加入旧的数据效果可能不错但当加入一个全新的数据决策树分类效果可能会下降.对于神经网络分类算法其能够自适应学习是现在比较火的学习方法但是在实际应用中学习成本较高并且容易被无关数据干扰.研究总结这次作业主要研究了三种分类算法其中朴素贝叶斯分类算法是最容易实现的算法而神经网络和决策树分类算法花了较长时间实现可能是对算法理解还不是吃的很透.