Python机器学习-总结 - 书目录

Python机器学习-总结

总结

本章,你学习了许多不同的机器学习算法,用于解决线性和非线性问题。如果我们关注模型可解释性,决策树是很好的选择。逻辑斯蒂回归不但可以在在线学习场景下大展拳脚还能预测概率。虽然SVM能解决线性和非线性问题,但是它参数个数比较多,调参挺麻烦。集成算法包括随机森林则不需要调节过多的参数,也不会像决策树一样容易过拟合,这使得它很受欢迎。KNN通过懒惰学习进行分类,他不需要模型训练的过程但是在预测时的计算成本相对比较高。

然而,比选择合适的算法更重要的是训练集数据本身。如果数据的特征不够好,再好的算法也没用。

在下一章,我们会讨论预处理涉及到的内容。

results matching “

    No results matching “

    133940

     

    转载链接:https://ljalphabeta.gitbooks.io/python-/content/ch3summary.html