机器学习算法优缺点对比及选择和​10大主流AI模型适用盘点.docxVIP

【机器学习】机器学习算法优缺点对比及选择和?10大主流AI模型适用盘点 2018-11-25 原文 作者：杜博亚? 知乎专栏机器学习学问点作者 本文知乎链接： /p本文的目的，是务实、简约地盘点一番当前机器学习算法。文中内容结合了个人在查阅材料过程中收集到的前人总结，同时添加了部分本身总结，在这里，依据实际使用中的阅历，将对此模型优缺点及选择详加争辩。 次要回顾下几个常用算法的顺应场景及其优缺点！ 机器学习算法太多了，分类、回归、聚类、推举、图像识别领域等等，要想找到一个合适算法真的不简约，所以在实际使用中，我们一般都是接受启发式学习方式来试验。通常最开头我们都会选择大家普遍认同的算法，诸如SVM，GBDT，Adaboost，现在深度学习很火热，神经网络也是一个不错的选择。 假如你在乎精度（accuracy）的话，最好的方法就是通过交叉验证（cross-validation）对各个算法一个个地进行测试，进行比较，然后调整参数确保每个算法达到最优解，最终选择最好的一个。但是假如你只是在查找一个“足够好”的算法来处理你的问题，或者这里有些技巧可以参考，下面来分析下各个算法的优缺点，基于算法的优缺点，更易于我们去选择它。 1.天下没有免费的午餐 在机器学习领域，一个基本的定理就是“没有免费的午餐”。换言之，就是没有算法能完善地处理全部问题，尤其是对监督学习而