常用机器学习算法优缺点分析.pdf
版权申诉
6 浏览量
2022-06-14
16:05:22
上传
评论
收藏 560KB PDF 举报
常用机器学习算法优缺点分析
编辑导语：机器学习是当下数据分析领域的一个热点内容，我们日常工作中多多
少少都会涉及到一些。但在机器学习领域，算法并不能完全解决所有的问题。本
文梳理了有监督学习和无监督学习的两个方面，列举了其中几种算法，总结它们
的优缺点，分享给你。
机器学习无疑是当前数据分析领域的一个热点内容，其理论和方法已经广泛应
用于解决工程应用的复杂问题，很多人在平时的工作中都或多或少会用到机器学
习的算法。在机器学习领域，没有算法能完美地解决所有问题。比如说，神经网
络并不是在任何情况下都能比决策树更有优势，反之亦然。它们要受很多因素的
影响，比如你的数据集的规模或结构。
其结果是，在用给定的测试集来评估性能并挑选算法时，你应当根据具体的问
题来采用不同的算法。例如，如果模型要求可解释性较强，首先想到的就是逻辑
（线性）回归，如果模型要求准确度较高且速度较快，首先想到的是 Xgboost，
如果数据量巨大且很稀疏，首先想到怎么用神经网络解决此问题。
因此，如何选择机器学习算法、选择哪一个算法以及算法建模时该注意哪些问
题成了工程师的一个难题，本文的目的总结了常用机器学习算法优缺点，供大家
在工作、学习甚至面试中参考。机器学习主要分为有监督学习和无监督学习，本
文从这两方面进行了梳理。
1 / 15
剩余14页未读，继续阅读
资源评论
