各类机器学习算法的优缺点和适用场景汇总

杨利霞

各类机器学习算法的优缺点和适用场景汇总
目录
朴素贝叶斯分类器（NB:naive Bayes classifiers）
, v- Q7 Z) t, P* N2 }半朴素贝叶斯分类器（SNB:semi-naive Bayes classifiers）
贝叶斯网（信念网）
! ]/ q7 O7 W; H" s' h决策树（decision tree）
支持向量机（SVM）
( O; K! U, I2 {2 I7 @! H7 J% J神经网络
词向量（word2vec）
k近邻分类（kNN）
线性模型
, d4 F$ g' A4 Q2 F# o" v高斯混合聚类与k均值（k-means）及其变种（k-means++、ISODATA、Kernel K-means）的对比
关于学习算法的性能实验结果
朴素贝叶斯分类器（NB:naive Bayes classifiers）
顾名思义，其适用于分类任务、并且假设每个属性独立地对分类结果发生影响，然而现实中各个因素往往并不独立，那是否就无法解决问题呢？
6 C, Z- U. x' E4 j事实上并非如此，相反，朴素贝叶斯分类器在很多情况下都能获得相当好的性能，一种解释是：无需精准概率值即可导致正确分类结果；另一种解释是：若属性间依赖对所有类别影响相同，或依赖关系的影响能相互抵消，则属性条件独立性假设在降低计算开销的同时，不会对性能产生负面影响。

3 \6 d7 x  e) o- V% N. {7 V! M/ c优点：
1、计算量较小
2、支持懒惰学习、增量学习
) z' g7 p9 i1 n' S/ ^/ L( t* {3、对缺失数据不太敏感
1 ?7 ^. t  n0 q$ ?6 u* F4、推断即查表，速度极快。
6 m( h+ F* ^- k% S缺点：
: |" n7 |8 n) v8 H1、没有考虑属性间依赖
, y- A& K# o, ^" C% H2 {, u, s* [2、通过类先验概率产生模型
3 ~! S& J' j% r$ L5 K1 \
半朴素贝叶斯分类器（SNB:semi-naive Bayes classifiers）
  _) u" {( C5 k* L$ m4 [* O相比NB的不考虑依赖，SNB则是考虑了一个（独依赖估计策略：ODE）或多个（多依赖估计策略：kDE）属性依赖
优点：
! }7 h, [  t* H& r1、考虑了一个或多个比较强的属性依赖关系，泛化性能可能得到提升
  w; h7 c; G( X8 h1 T/ C2、计算开销不大
3、同样支持懒惰学习、增量学习
缺点：
# |" y0 T' J) e: t. F, d: O% _1、通过类先验概率产生模型

贝叶斯网（信念网）
贝叶斯网借助有向无环图刻画属性之间的依赖关系，通过吉布斯采样或者变分推断等方式来近似推断后验概率。
优点：
1、更加完整地考虑了属性间依赖关系，泛化性能将进一步提升
2、近似估算后验概率
3、可用于推测属性缺失的样本
, \0 o* H; l7 v* j4 w0 v4、良好的可解释性
5、常用于语音识别、机器翻译等
1 t! f! F' `! B缺点：
1、结构学习NP难，通过评分搜索方法缓解
5 i* x4 Z  u+ k1 x2、推断算法的收敛速度较慢

% h4 T2 O+ z% C7 {/ S决策树（decision tree）
. m7 n; o; y/ o) r决策树通过信息纯度（信息增益、增益率、基尼指数等）来决定结点的生成，通过剪枝来缩小决策树的尺寸以及缓解过拟合。是一种非参数学习算法。
优点：
1、计算量较小
2、清晰表达属性的重要程度
: n, ?; I4 e& J& A# u6 W3、可增量学习对模型进行部分重构
4、不需要任何领域知识和参数假设
5、适合高维数据
% i- U% x: N4 l$ w; |2 k6、随机森林是基于决策树的集成学习策略，随机森林鲜有短板
缺点：
/ \" P1 n  r! w3 ?6 ?1、没有考虑属性间依赖
2、容易过拟合，通过剪枝缓解
3、不可用于推测属性缺失的样本
' ^. O: R" i5 |* [3 n# w
支持向量机（SVM）
基于训练集D在样本空间中找到一个划分超平面，将不同类别的样本分开，是一种针对二分类设计的算法，但稍加改造为支持向量回归即可用于回归学习。
优点：
1、可解决小样本的机器学习任务
2、可解决高维问题
3、可通过核方法解决非线性问题
缺点：
1、对缺失数据敏感
/ F* y8 p8 j& _  Q9 ?4 f  a9 U2、对于非线性问题，核函数方法选择一直是个未决问题

9 `- ^  D# s* H: A神经网络
优点：
1、分类的准确度极高
* m9 m+ y2 B% Z7 j6 Q2、可解决复杂的非线性问题
! O. Q4 L) x1 t- N: Y8 V3、对噪声神经有较强的鲁棒性和容错能力
7 |& k7 t; C' S9 p) O# S4、并行分布处理能力强,分布存储及学习能力强
5、常用于图像识别
6、数据量越大，表现越好
) X- k: n2 [7 j5 H$ a缺点：
1、黑箱模型，难以解释
. D2 W6 b$ J: q2 Y$ s' \, J2、需要初始化以及训练大量参数，如网络结构、权值、阈值，计算复杂
# G* C5 Z- L+ ^  T6 o( M3、误差逆传播的损失
$ O9 o# R" @" [% r+ q4、容易陷入局部最小

词向量（word2vec）
将文章的每句话当成一行，将每个词用符号隔开（如使用中文分词工具jieba），根据上下文，可以找出相似词义的词。
6 d  W3 F+ H  e7 Q5 S" }比如：我 喜欢 你，我 爱 你，我 讨厌 你。根据上下文我和你，可以找到喜欢的相似词，有爱和讨厌。
再一般地如：1 2 3 X 4 5 6，1 2 3 Y 4 5 6。根据上下文1 2 3和4 5 6，可以找到X和Y相似。
gensim是一个很好用的Python NLP的包，不光可以用于使用word2vec，还有很多其他的API可以用。它封装了google的C语言版的word2vec。

, h4 e4 F( h! U" }k近邻分类（kNN）
基于某种距离度量找出训练集中与其最靠近的k个训练样本，或者指定距离e之内的训练样本，分类任务中通过投票法（以及加权投票等）将出现最多的类别标记作为预测结果，回归任务中则使用平均法（以及加权平均等）
优点：
  D5 d" Q& v+ @( K2 i+ x1、思想简单，易于理解，易于实现，无需估计参数，无需训练；
2、适合对稀有事件进行分类；
8 f" \6 b6 G4 r* a3、特别适用于多分类问题
缺点：
9 y( s' P# A; c* S& J! d/ r1、需要计算出待测样本与所有样本的距离，计算量大
" X- }5 T5 Z2 X3 W2、样本不平衡时影响大
3、适用的特征维度低
! d0 z! I2 O3 D8 m% [7 W# \! X; V
, n5 R  x8 }4 }3 T+ k线性模型
) X% w  p4 C. F* j! i优点：
0 Q' Z9 j% a9 x1、算法简单，编程方便
! Q2 r  C; x5 e! }6 E0 p# d( M2、计算简单，决策速度快
缺点：
# W. O, M4 c3 l) [- d  m# Y( v2 I6 X1、拟合效果较差
. f, O7 e; k2 ^! a
/ _7 N  D$ U) W高斯混合聚类与k均值（k-means）及其变种（k-means++、ISODATA、Kernel K-means）的对比
k-means是高斯混合聚类在混合成分方差相等、且每个样本仅指派给一个混合成分时的特例，因此k-means计算简单，但效果不如高斯混合聚类
1 u" {2 k0 }- _由于计算太过复杂，高斯混合聚类并不常用，推荐使用k-means++（与k-means随机选定不同，k-means++初始选定的几个样本距离尽量远，这样能更快得出分簇结果）等k-means变种。
3 T; D2 R& Z5 l+ N, F5 @
关于学习算法的性能实验结果
6 m  E6 h, F* p; ~1 j3 O7 ?点击查看原文

14年的时候有人做过一个实验[1]，比较在不同数据集上（121个），不同的分类器（179个）的实际效果。
: v5 [( n1 y! f/ S论文题为：Do we Need Hundreds of Classifiers to Solve Real World Classification Problems?
: Z: D  Y( m8 J没有最好的分类器，只有最合适的分类器。
% r0 \/ q. {7 G$ f4 s- d1、随机森林平均来说最强，但也只在9.9%的数据集上拿到了第一，优点是鲜有短板。
2、SVM的平均水平紧随其后，在10.7%的数据集上拿到第一。
2 Q* l4 v0 z1 ?8 E2 F- W3、神经网络（13.2%）和boosting（~9%）表现不错。
7 S5 I  Q5 d) U2 t: O9 P, ?% `4、数据维度越高，随机森林就比AdaBoost强越多，但是整体不及SVM[2]。
' A, Z) t" e* _* u) L* @5、数据量越大，神经网络就越强。
————————————————
版权声明：本文为CSDN博主「路飞的纯白世界」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/u010921136/article/details/90668382