算法总结、类比

1.用于文档分类的贝叶斯分类器：

监督算法

优点：

训练和查询数据的高效性

每次训练可能只是用一个训练项，不想决策树、SVM必须传入整个群组，才能得到最后的结果

缺点：

因为贝叶斯定理假设特征间彼此相互独立，所以无法对组合特征的结果分类

2.决策树分类器：

监督算法：

优点：

模型的解释相对容易，最为重要的判断因素都很好的安排在靠近根部的位置；可以非常清晰的显示出哪些变量时最合适用于拆分数据的，在广告策划、判断哪些数据应该收集方面非常有意

能够同时处理分类和数值型数据

非常容易的处理变量间的相互影响，比分档分类的贝叶斯分类在这个方面好

缺点：

对属性非常多的数据分类时，比较困难

不支持增量式的训练

3.神经网络

监督的，可以识别出重要信息和非重要信息，既可以用于分类，也可以用于数值预测问题

优点：

处理复杂的非线性函数，及不同输入间的依赖关系

增量式的训练

缺点：

黑盒方法，不可控性

4.支持向量机、核技法：

优点：

对新的观测数据分类速度最快

适合大数据集的分类，决策树等分类方法更适合小数据集

缺点：

对于不同的数据集必须重新确定这些(核)变换函数及其参数

也是黑盒技术

5.kNN

优点：

使用复杂函数进行数值预测，同时保持简单易懂的特点

能知道各个属性的重要程度

在线技术

缺点：

要求大量的训练数据

为大数据集寻找缩放因子计算量非常大

6.聚类

7.非负矩阵因式分解：拆分数据得到新的关系

8.优化