首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >机器学习分类器的不同用法

问机器学习分类器的不同用法
EN

Stack Overflow用户
提问于 2013-07-12 07:28:18
回答 1查看 170关注 0票数 0

我已经学习了机器学习中的几种分类器-决策树,神经网络,支持向量机,贝叶斯分类器,K-NN等。

谁能帮助我理解什么时候我应该更喜欢其中一个分类器-例如-在哪种情况下(数据集的性质等)我应该更喜欢决策树而不是神经网络,或者哪种情况支持向量机可能比贝叶斯更好?

如果这里不是发布这个问题的好地方,很抱歉。

谢谢。

EN

回答 1

Stack Overflow用户

发布于 2013-07-13 02:19:59

这与数据集的性质密切相关。有几种元学习方法可以告诉你应该使用哪个分类器,但通常没有黄金法则。

如果您的数据很容易分离(很容易区分来自不同类别的条目),也许决策树或SVM(具有线性内核)就足够好了。但是,如果您的数据需要转换到其他高维空间,那么基于内核的分类器可能工作得很好,例如RBF。支持向量机还可以更好地使用非冗余、独立的功能。当需要特征之间的组合时,人工神经网络和贝叶斯分类器也能很好地工作。

再说一次,这是高度主观的,并且很大程度上取决于您的功能集。例如,拥有与类高度相关的单个特征可能会确定哪个分类器工作得最好。也就是说,总的来说,没有免费的午餐定理说没有分类器是万能的,但支持向量机通常被认为是目前二进制分类的最佳选择。

票数 2
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/17605220

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档