新闻资讯

新闻资讯 媒体报道

各种分类算法的优缺点

编辑:016     时间:2022-01-12

原文对一些常用的分类算法,如决策树、SVM、朴素贝叶斯、adaboost、KNN等都提到了,总结得比较好,这里增加了一些自己的理解(文中斜体标明)。
classify_algorithm

1.决策树(Decision Trees)的优缺点

决策树的优点:

一、           决策树易于理解和解释.人们在通过解释后都有能力去理解决策树所表达的意义。

二、           对于决策树,数据的准备往往是简单或者是不必要的.其他的技术往往要求先把数据一般化,比如去掉多余的或者空白的属性。

三、           能够同时处理数据型和类别型属性。其他的技术往往要求数据属性的单一。

四、           决策树是一个白盒模型。如果给定一个观察的模型,那么根据所产生的决策树很容易推出相应的逻辑表达式。

五、           易于通过静态测试来对模型进行评测。表示有可能测量该模型的可信度。

六、          在相对短的时间内能够对大型数据源做出可行且效果良好的结果。

七、           可以对有许多属性的数据集构造决策树。

八、           决策树可很好地扩展到大型数据库中,同时它的大小独立于数据库的大小。

 九、          决策树常用于集成算法,如随机森林,提升树等,效果更佳。

决策树的缺点:

一、           对于那些各类别样本数量不一致的数据,在决策树当中,信息增益的结果偏向于那些具有更多数值的特征。

二、           决策树处理缺失数据时的困难。

三、           过度拟合问题的出现。

四、           忽略数据集中属性之间的相关性。

2. 人工神经网络的优缺点

人工神经网络的优点:分类的准确度高,并行分布处理能力强,分布存储及学习能力强,对噪声神经有较强的鲁棒性和容错能力,能充分逼近复杂的非线性关系,具备联想记忆的功能等。特别重要的是,神经网络可以用来提取特征,这是许多其他机器学习方法所不具备的能力(例如使用autoencoder,不标注语料的情况下,可以得到原始数据的降维表示)。

人工神经网络的缺点:神经网络需要大量的参数,如网络拓扑结构、权值和阈值的初始值;不能观察之间的学习过程,输出结果难以解释,会影响到结果的可信度和可接受程度;学习时间过长,甚至可能达不到学习的目的。

3. 遗传算法的优缺点

遗传算法的优点:

一、           与问题领域无关切快速随机的搜索能力。

二、           搜索从群体出发,具有潜在的并行性,可以进行多个个体的同时比较,鲁棒性好。

三、           搜索使用评价函数启发,过程简单。

四、           使用概率机制进行迭代,具有随机性。

五、           具有可扩展性,容易与其他算法结合。

六、           天生具有良好的并行性,通过选择构造多个种群,可以分布式独立来跑。(注)

遗传算法的缺点:

一、           遗传算法的编程实现比较复杂,首先需要对问题进行编码,找到最优解之后还需要对问题进行解码,

二、           另外三个算子的实现也有许多参数,如交叉率和变异率,并且这些参数的选择严重影响解的品质,而目前这些参数的选择大部分是依靠经验.没有能够及时利用网络的反馈信息,故算法的搜索速度比较慢,要得要较精确的解需要较多的训练时间。

三、           算法对初始种群的选择有一定的依赖性,能够结合一些启发算法进行改进。

四、          据我所知,遗传算法目前的一些最成功的应用还是在求解多元高次方程组,在工业界的机器学习中用到还不多哇。

4. KNN算法(K-Nearest Neighbour) 的优缺点

KNN算法的优点:

一、          简单、有效。

二、          重新训练的代价较低(类别体系的变化和训练集的变化,在Web环境和电子商务应用中是很常见的)。

三、          计算时间和空间线性于训练集的规模(在一些场合不算太大)。

四、           由于KNN方法主要靠周围有限的邻近的样本,而不是靠判别类域的方法来确定所属类别的,因此对于类域的交叉或重叠较多的待分样本集来说,KNN方法较其他方法更为适合。

五、           该算法比较适用于样本容量比较大的类域的自动分类,而那些样本容量较小的类域采用这种算法比较容易产生误分。

 

KNN算法缺点:

一、           KNN算法是懒散学习方法(lazy learning,基本上不学习),一些积极学习的算法要快很多。

二、           类别评分不是规格化的(不像概率评分)。

三、           输出的可解释性不强,例如决策树的可解释性较强。

四、           该算法在分类时有个主要的不足是,当样本不平衡时,如一个类的样本容量很大,而其他类样本容量很小时,有可能导致当输入一个新样本时,该样本的K个 邻居中大容量类的样本占多数。该算法只计算“最近的”邻居样本,某一类的样本数量很大,那么或者这类样本并不接近目标样本,或者这类样本很靠近目标样本。 无论怎样,数量并不能影响运行结果。可以采用权值的方法(和该样本距离小的邻居权值大)来改进。

五、           计算量较大。目前常用的解决方法是事先对已知样本点进行剪辑,事先去除对分类作用不大的样本。

5. 支持向量机(SVM)的优缺点

SVM的优点:

一、           可以解决小样本情况下的机器学习问题。【注: 这个小是有限度的,训练语料必须覆盖支持向量上的点,样本特别小的时候语料分布很难近似于真实数据的分布,可以采用bootstrap选择少量种子来迭代扩大召回的方法。

二、           可以提高泛化性能。(根据VC维理论,SVM不容易过拟合)

三、           可以解决高维问题。

四、           可以解决非线性问题。

五、           可以避免神经网络结构选择和局部极小点问题。

 

SVM的缺点:

一、           对缺失数据敏感。

二、           对非线性问题没有通用解决方案,必须谨慎选择Kernelfunction来处理。

6. 朴素贝叶斯的优缺点

优点:

一、           朴素贝叶斯模型发源于古典数学理论,有着坚实的数学基础,以及稳定的分类效率。

二、           NBC模型所需估计的参数很少,对缺失数据不太敏感,算法也比较简单。

 

缺点:

一、           理论上,NBC模型与其他分类方法相比具有最小的误差率。但是实际上并非总是如此,这是因为NBC模型假设属性之间相互独立,这个假设在实际应用中 往往是不成立的(可以考虑用聚类算法先将相关性较大的属性聚类),这给NBC模型的正确分类带来了一定影响。在属性个数比较多或者属性之间相关性较大 时,NBC模型的分类效率比不上决策树模型。而在属性相关性较小时,NBC模型的性能最为良好。(正所谓成也萧何败也萧何,朴素贝叶斯正因为”朴素”(独立假设)而简单有效,但也因为这个而具有局限性。)

二、           需要知道先验概率。

三、           分类决策存在错误率

7. Adaboosting方法的优点

一、           adaboost是一种有很高精度的分类器。

二、           可以使用各种方法构建子分类器,Adaboost算法提供的是框架。

三、           当使用简单分类器时,计算出的结果是可以理解的。而且弱分类器构造极其简单(例如使用决策桩,桩的选择依据可以是信息增益,误分类率,GINI不纯度等)。

四、           简单,不用做特征筛选。

五、           不用担心overfitting。

8 Rocchio的优点

Rocchio算法的突出优点是容易实现,计算(训练和分类)特别简单,它通常用来实现衡量分类系统性能的基准系统,而实用的分类系统很少采用这种算法解决具体的分类问题。(这个方法有点想Kmeans, 就是把某一类的所有向量加起来(或均值)作为这个类的向量表示(或质心)

9. 各种分类算法比较

根据这篇论文所得出的结论,

Calibrated boosted trees的性能最好,随机森林第二,uncalibrated bagged trees第三,calibratedSVMs第四, uncalibrated neural nets第五。

    性能较差的是朴素贝叶斯,决策树。

    有些算法在特定的数据集下表现较好。

10. 再补充一条:最大熵模型

主要优点:1)天然支持多分类  2)相对于SVM,具有较好的特征选择能力,能自动将某些特征权值置为0

主要缺点:1)模型训练比较慢。2)一般用于学习的实现比较简单(如GIS) ,工业级的实现比较困难。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。

回复列表

相关推荐