各种分类算法比较.docxVIP

各种分类算法比较 最近在学习分类算法，顺便整理了各种分类算法的优缺点。 1 决策树（Decision Trees）的优缺点 决策树的优点： 一、 达的意义。 二、 决策树易于理解和解释.人们在通过解释后都有能力去理解决策树所表 对于决策树，数据的准备往往是简单或者是不必要的.其他的技术往往 要求先把数据一般化，比如去掉多余的或者空白的属性。 三、 单一。 四、 能够同时处理数据型和常规型属性。其他的技术往往要求数据属性的 决策树是一个白盒模型。如果给定一个观察的模型，那么根据所产生 的决策树很容易推出相应的逻辑表达式。 五、 度。 易于通过静态测试来对模型进行评测。表示有可能测量该模型的可信 在相对短的时间内能够对大型数据源做出可行且效果良好的结果。 可以对有许多属性的数据集构造决策树。 决策树可很好地扩展到大型数据库中，同时它的大小独立于数据库的 大小。 决策树的缺点： 一、 对于那些各类别样本数量不一致的数据，在决策树当中,信息增益的结 果偏向于那些具有更多数值的特征。 决策树处理缺失数据时的困难。 过度拟合问题的出现。 忽略数据集中属性之间的相关性。 2 人工神经网络的优缺点 人工神经网络的优点：分类的准确度高,并行分布处理能力强,分布存储及学习能力 强，对噪声神经有较强的鲁棒性和容错能力，能充分逼近复杂的非线性关系，具备 联想记忆的功能等。 人工神经网络的缺点：