2 u011089155 u011089155 于 2016.04.07 14:17 提问

AdditiveRegression 分类方法与其他分类算法比优点有哪些?

现在大多数数据集分类最后都是 yes or no 不是numeric 类型的就不能用AdditiveRegression方法分类 那我如何对比它与C4。5等分类方法的性能呢?

1个回答

CSDNXIAON
CSDNXIAON   2016.04.07 14:37

朴素贝叶斯分类算法
分类算法简介
----------------------同志你好,我是CSDN问答机器人小N,奉组织之命为你提供参考答案,编程尚未成功,同志仍需努力!

Csdn user default icon
上传中...
上传图片
插入图片
准确详细的回答,更有利于被提问者采纳,从而获得C币。复制、灌水、广告等回答会被删除,是时候展现真正的技术了!
其他相关推荐
不同分类算法的优缺点是什么?
本文从外网上摘取了几个不错的关于介绍在机器学习中不同分类方法的文章并翻译,用于记录、学习和分享。水平有限,如果文中有错误之处希望能得到大家的指正。
机器学习常见算法分类,算法优缺点汇总
机器学习无疑是当前数据分析领域的一个热点内容。很多人在平时的工作中都或多或少会用到机器学习的算法。本文为您总结一下常见的机器学习算法,以供您在工作和学习中参考。        机器学习的算法很多。很多时候困惑人们都是,很多算法是一类算法,而有些算法又是从其他算法中延伸出来的。这里,我们从两个方面来给大家介绍,第一个方面是学习的方式,第二个方面是算法的类似性。 学习方式 根
各种分类算法优缺点比较
在学习分类算法时看到这篇文章,总结的比较详细,特此转载过来大家分享,谢谢原作者的总结!!! 一、决策树(Decision Trees)的优缺点 决策树的优点: 1、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。 2、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。 3、 能够同时处理数据型和
各个分类算法优缺点
朴素贝叶斯的主要优点有: 1)朴素贝叶斯模型发源于古典数学理论,有稳定的分类效率。 2)对小规模的数据表现很好,能个处理多分类任务,适合增量式训练,尤其是数据量超出内存时,我们可以一批批的去增量训练。 3)对缺失数据不太敏感,算法也比较简单,常用于文本分类。 朴素贝叶斯的主要缺点有:    1) 理论上,朴素贝叶斯模型与其他分类方法相比具有最小的误差率。但是实际上
数据挖掘分类算法的优缺点总结
最近在学习分类算法,顺便整理了各种分类算法的优缺点。 一.决策树 一种启发式算法,核心是在决策树各个节点上应用信息增益等准则来选取特征,进而递归地构造决策树。 优点: 1. 计算复杂度不高,易于理解和解释,可以理解决策树所表达的意义; 2. 数据预处理阶段比较简单,且可以处理缺失数据; 3. 能够同时处理数据型和分类型属性,且可对有许多属性的数据集构造决策树
各种分类算法的优缺点
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常规型属性。其他的技术往
常见分类算法优缺点
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常规型属性。其他的技术往
10.SVM的优缺点
SVM有如下主要几个特点:  (1)非线性映射是SVM方法的理论基础,SVM利用内积核函数代替向高维空间的非线性映射;  (2)对特征空间划分的最优超平面是SVM的目标,最大化分类边际的思想是SVM方法的核心;  (3)支持向量是SVM的训练结果,在SVM分类决策中起决定作用的是支持向量; (4)SVM 是一种有坚实理论基础的新颖的小样本学习方法。它基本上不涉及概率测度及大数定律等,因此不
机器学习的分类与主要算法对比
机器学习的分类与主要算法对比重要引用:Andrew Ng Courera Machine Learning;从机器学习谈起;关于机器学习的讨论;机器学习常见算法分类汇总;LeNet Homepage;pluskid svm  首先让我们瞻仰一下当今机器学习领域的执牛耳者:  这幅图上的三人是当今机器学习界的执牛耳者。中间的是Geoffrey Hinton, 加拿大多伦多大学的教授,如今被聘为“Goo
常用分类算法总结
分类任务就是明确对象属于哪个预定义的目标类。其中预定义的目标类是离散时为分类,连续时为回归。 常用的分类算法有决策树分类法,基于规则的分类算法,神经网络,支持向量机和朴素贝叶斯分类法。 下面主要介绍各个算法的应用场景和一些优缺点 (1)决策树