各类算法及其适用场景

原创 已于 2022-11-14 16:26:43 修改 · 530 阅读 · 2 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#算法 #决策树

于 2019-07-23 11:33:16 首次发布

各类算法及其适用场景如下图所示。

二分类Two-class Classification
二分类支持向量机Two-class SVM
适用于数据特征较多,线性模型的场景
二分类平均感知器Two-class Average Perceptron
适用于训练时间短,线性模型的场景
二分类逻辑回归Two-class Logistic Regression
二分类贝叶斯点机Two-class Bayes Point Machine
二分类提升决策树Two-class Boosted Decision Tree
适用于训练时间短,精准度高,内存占用量大的场景
二分类决策丛林Two-class Decision Jungle
适用于训练时间短,精确度高,内存占用量小的场景
二分类局部深度支持向量机Two-class Locally Deep SVM
适用于数据特征较多的场景
二分类神经网络Two-class Neural Network
适用于精准度高,训练时间较长的场景
二分类决策森林Two-class Decision Forest
适用于训练时间短,精准的场景
多分类Multi-class Classification
多分类逻辑回归Multiclass Logistic Regression
多分类神经网络Multiclass Neural Network
多分类决策森林Multiclass Decision Forest
多分类决策丛林Multiclass Decision Jungle
适用于精准度高,内存占用较小的场景
'一对多'多分类One-vs-all Multiclass
取决于二分类器效果
回归Regression
排序回归Ordinal Regression
适用于对数据进行分类排序的场景
泊松回归Poission Regression
适用于预测事件次数的场景
快速森林分位数回归Fast Forest Quantile Regression
适用于预测分布的场景
线性回归Linear Regression
贝叶斯线性回归Bayesian Linear Regression
适用于线性模型,训练数据量较少的场景
神经网络回归Neural Network Regression
决策森林回归Decision Forest Regression
提升决策树回归Boosted Decision Tree Regression
聚类Clustering
层次聚类Hierarchical Clustering
适用于训练时间短,大数据量的场景
K-means算法
模糊聚类FCM算法Fuzzy C-means,FCM
SOM神经网络Self-organizing Feature Map,SOM
适用于运行时间较长的场景
异常检测Anomaly Detection
一分类支持向量机One-class SVM
适用于数据特征较多的场景
基于PCA的异常检测PCA-based Anomaly Detection
适用于训练时间短的场景

图 13、

机器学习算法应用场景实例六十则
liulingyuan6的博客
12-14 8万+
本文整理了60个机器学习算法应用场景实例，含分类算法应用场景20个、回归算法应用场景20个、聚类算法应用场景10个以及关联规则应用场景10个。包含了天池、DataCastle、DataFountain中所有竞赛场景。 ————————————————————————————————————————————————————————————————————————————— 目录 1
各类机器学习算法的优缺点和适用场景汇总
u010921136的博客
05-29 1万+
贝叶斯系列算法的优缺点 决策树的优缺点 支持向量机的优缺点 神经网络的优缺点 降维算法的优缺点 聚类算法的优缺点 kNN的优缺点 线性模型的优缺点
机器学习各算法简介
wzy的博客
03-21 3137
作者：xyzh 链接：https://www.zhihu.com/question/26726794/answer/151282052 来源：知乎 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 关于这个问题我今天正好看到了这个文章。讲的正是各个算法的优劣分析，很中肯。 https://zhuanlan.zhihu.com/p/25327755 正好1
各大常用算法应用场景及优缺点分析
Alex的博客
11-04 4023
关于模型评估 Error = Bias（偏差） + Variance（方差）。这里的Error可以理解为模型的预测错误率，是有两部分组成的，一部分是由于模型太简单而带来的估计不准确的部分（Bias），另一部分是由于模型太复杂而带来的更大的变化空间和不确定性（Variance）。 当模型复杂度上升的时候，偏差会逐渐变小，而方差会逐渐变大。 算法的选择 如果特征的数量和观测样本特别多，那么当资源和时间充足时（这个前提很重要），使用SVM不失为一种选择。 通常情况下：【XGBOOST>=GBDT>=S
梳理各算法基础应用及场景
麻辣香蕉
12-15 322
knn： import numpy as np from sklearn.neighbors import KNeighborsClassifier X = np.array([[1, 1], [1, 1.5], [2, 2], [4, 3], [4, 4]]) y = np.array(['A', 'A', 'A', 'B', 'B']) knn = KNeighborsClassifier(n_neighbors=3) # 训练模型 knn.f...
【可套用】15个应用场景的算法实现
威哥爱编程，优快云 博客专家、全栈领域新星创作者、华为 HDE，愿交天下 IT 技术爱好者
03-21 1236
V哥最后再啰嗦几句，常用的算法理解起来还是有难度的，大多数初中级程序员接触的机会也不多，但我们不能因为不接触就放弃研究和积累算法，除非你不想往更高的技术架构或高级去走，算法通常都是比较成熟的，拿来即用也不是不可以，这是第一步解决问题，然后再慢慢研究理解，因为项目中的核心技术永远掌握在公司那些天价核心的技术人员手里，今天的内容就分享到这里。通过深度优先搜索算法可以在社交网络的用户关系图中搜索两个用户之间的连接路径，例如两个用户是否有共同的好友、是否存在间接的关系链等。
算法参考资料各类PID算法区别及其matlab仿真
04-15
2. 不同PID算法适用场景： - P控制器：适用于简单系统，对快速响应和系统稳定性要求不是特别高的场合。 - PI控制器：比P控制器具有更好的稳态特性，适用于那些需要消除稳态误差的系统。 - PD控制器：适用于对系统...
多编程语言下的算法实现资源及其应用场景
11-24
适用人群：对算法感兴趣的程序员，无论是刚接触编程的新手还是希望进一步巩固基础的专业人士均可从中受益。 使用场景及目标：①个人自学算法知识时选择合适的学习资料；②准备编程竞赛或者面试需要快速掌握关键知识...
四大机器学习降维算法：PCA、LDA、LLE与Laplacian Eigenmaps的解析及其应用场景
最新发布
03-11
文中提供了数学建模的具体步骤、优劣分析及其适用范围。 适合人群：对于机器学习算法有所涉猎的研究学者、数据科学家、软件开发者等需要深入了解各类降维工具的专业人士。 使用场景及目标：适用于那些面对大规模、...
深入解析C++中常见算法及其应用场景
资源摘要信息:"老鼠走迷宫1.zip文件中包含了关于算法的...总结以上知识点，可以看出算法在计算机科学领域扮演着至关重要的角色，各类算法都有其独特性和适用的场景，掌握它们对于软件开发和问题解决有着重要的意义。
算法的应用实例 主要是各种排序方法
12-30
Java做的算法的应用。冒泡排序、二分排序、双向冒泡排序等算法的应用。带有例题。
各种机器学习算法的应用场景分别是什么（比如朴素贝叶斯、决策树、K 近邻、SVM、逻辑回归最大熵模型）？
xiao77224li的博客
06-16 2131
这些模型都是建立在自然语言处理（NLP）的基础之上，NLP是构成人工智能大模型不可或缺的部分，它既是一个技术领域，也是一套包含多种算法的集合。选择适合的算法取决于具体的问题、数据的特性和性能要求，通常需要根据问题的具体情况来选择和调整适合的算法。它们的主要优势在于能够理解和生成复杂的数据模式，所以，算法的好坏或者选择，已经不是一个单选的过程。为了方便非专业的朋友阅读，我会从算法分类到主流算法举例来展开，预计20分钟的阅读，你会大概对众多繁复的机器学习算法有一个基础认识，了解当下流行的算法应用场景。
各种算法使用场景
qq_41835091的博客
03-05 273
深度优先搜索BFS VS 广度优先搜索 DFS 算法就是回溯算法，BFS 相对 DFS 的最主要的区别是：BFS 找到的路径一定是最短的，但代价就是空间复杂度可能比 DFS 大很多。
从Qt4 迁移到Qt5 winEvent代替为nativeEvent
大步朝前
05-13 9947
之前项目的代码从Qt4迁移到Qt5, 发现以前在Qt4中使用winEvent写的边缘拖动无法通过编译. 查了一下原来是在Qt5中已经移除winEvent, 并使用nativeEvent来代替. 那么在工程中只需要略加修改即可使用, 主要改两个地方: 1. 加入nativeEvent函数:    [cpp] view plaincopyprint?
算法的应用场景收藏
My Blog
09-15 269
分布式算法实现：根据保存的key，对key进行hash算法，取得hash值，再对hash值与总Cache服务器数据取模。然后根据取模后的值，找到服务器列表中下标为此值Cache服务器。由java client api封装实现，应用无需关心;这点和memecached的实现方案完全一致。 一致性hash 算法： ...
十大经典排序算法复杂度、应用场景总结 | 插入排序、希尔排序、选择排序、冒泡排序、归并排序、快速排序、堆排序、基数排序、桶排序、计数排序
qq_64431512的博客
03-24 1753
十大经典排序算法复杂度、应用场景总结 | 插入排序、希尔排序、选择排序、冒泡排序、归并排序、快速排序、堆排序、基数排序、桶排序、计数排序
算法在各领域的广泛应用：100 个实例全解析
12-31 3482
一、互联网与信息技术领域二、金融领域三、交通领域四、医疗领域五、工业领域六、教育领域
十大排序算法的特点及应用场景
热土程序园，利他愉己~
09-11 2299
十大排序算法的特点及应用场景 综合效率对比建议 1.如果数据量小，用哪种排序方法都可以，效率差别不大 2.如果数据量大；内存充裕建议用快速排序，内存不充裕建议用堆排序。
最新十大排序算法详细讲解，以及各种应用场景
热门推荐
小猪向前冲
07-31 1万+
十大排序算法汇总 比较和非比较的区别 常见的快速排序、归并排序、堆排序、冒泡排序等属于比较排序。在排序的最终结果里，元素之间的次序依赖于它们之间的比较。每个数都必须和其他数进行比较，才能确定自己的位置。 在冒泡排序之类的排序中，问题规模为n，又因为需要比较n次，所以平均时间复杂度为O(n²)。在归并排序、快速排序之类的排序中，问题规模通过分治法消减为logN次，所以时间复杂度平均O(nlogn)...
深入解析各类排序算法及其应用场景
不同的排序算法有着不同的时间复杂度、空间复杂度、稳定性和适用场景。例如，冒泡排序和插入排序都是简单易实现的排序算法，但是效率较低，不适用于大数据量的排序；快速排序和归并排序效率较高，且归并排序是稳定的...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值