人工智能算法介绍分类.pdfVIP

人工智能算法介绍分类

决策树

决策树是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值

的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是

直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝

干，故称决策树。

随机森林

在机器学习中，随机森林是一个包含多个决策树的分类器，并且其输出的类

别是由个别树输出的类别的众数而定。

逻辑回归

逻辑回归，是一种广义的线性回归分析模型，常用于数据挖掘，疾病自动诊

断，经济预测等领域。例如，探讨引发疾病的危险因素，并根据危险因素预测疾

病发生的概率等。

Adaboost

Adaboost是一种迭代算法，其核心思想是针对同一个训练集训练不同的分

类器（弱分类器），然后把这些弱分类器集合起来，构成一个更强的最终分类器

（强分类器）。

其算法本身是通过改变数据分布来实现的，它根据每次训练集之中每个样本

的分类是否正确，以及上次的总体分类的准确率，来确定每个样本的权值。

朴素贝叶斯

朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法。最为广泛

的两种分类模型是决策树模型和朴素贝叶斯模型。

和