本文总结了决策树、SVM、逻辑回归（LR）和神经网络的适用条件、优缺点。决策树适用于非线性边界，但易过拟合；SVM擅长处理高维非线性问题，但核函数选择关键；LR模型简单快速，但对非线性特征需转换；神经网络能处理复杂非线性关系，但参数多、训练时间长。
这个面试的时候也经常会问，让你比较某几个算法的适用条件，数据、特征量到什么规模时选用哪种算法。
（1）决策树
适用条件：数据不同类边界是非线性的，并且通过不断将特征空间切分为矩阵来模拟。特征之间有一定的相关性。特征取值的数目应该差不多，因为信息增益偏向于更多数值的特征。
优点：1.直观的决策规则；2.可以处理非线性特征；3.考虑了变量之间的相互作用。
缺点：1.容易过拟合（随机森林）；2.处理缺失数据时的困难。
（2） SVM
适用条件：特征空间大，可以处理非线性的特征。
优点：1.可以处理高维特征；2.使用和函数应对非线性特征空间ÿ
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
