Classification&Regression(分类&回归)

最新推荐文章于 2025-05-01 15:30:00 发布

原创最新推荐文章于 2025-05-01 15:30:00 发布 · 1.6k 阅读

1 ·

CC 4.0 BY-SA版权

数据挖掘/机器学习进阶专栏收录该内容

17 篇文章

订阅专栏

本文详细介绍了各种分类和回归算法，包括线性回归、逻辑回归、随机森林、决策树、支持向量机等，并提到了分类效果的评估指标，如混淆矩阵、精确度和AUC等。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

　　Classification&Regression(分类&回归)：

　　LR(LinearRegression 线性回归)，LR(Logistic Regression逻辑回归)，SR(SoftmaxRegression 多分类逻辑回归)，GLM(Generalized LinearModel 广义线性模型)，RR(Ridge Regression 岭回归/L2正则最小二乘回归)，LASSO(Least AbsoluteShrinkage and Selectionator Operator L1正则最小二乘回归)， RF(随机森林)，DT(Decision Tree决策树)，GBDT(Gradient Boosting Decision Tree 梯度下降决策树)，CART(Classification AndRegression Tree 分类回归树)，KNN(K-Nearest Neighbor K近邻)，SVM(Support Vector Machine，支持向量机，包括SVC（分类）&SVR（回归）)，KF(Kernel Function 核函数Polynomial KernelFunction 多项式核函数、Guassian Kernel Function 高斯核函数/Radial Basis Function RBF径向基函数、String Kernel Function 字符串核函数)、 NB(Naive Bayes 朴素贝叶斯)，BN(BayesianNetwork/Bayesian Belief Network/Belief Network 贝叶斯网络/贝叶斯信度网络/信念网络)，LDA(Linear DiscriminantAnalysis/Fisher Linear Discriminant 线性判别分析/Fisher线性判别)，EL(Ensemble Learning集成学习Boosting，Bagging，Stacking)，AdaBoost(AdaptiveBoosting 自适应增强)，MEM(Maximum Entropy Model最大熵模型)

　　Classification EffectivenessEvaluation(分类效果评估)：

　　ConfusionMatrix(混淆矩阵)，Precision(精确度)，Recall(召回率)，Accuracy(准确率)，F-score(F得分)，ROC Curve(ROC曲线)，AUC(AUC面积)，Lift Curve(Lift曲线) ，KS Curve(KS曲线)。