機器學習分類演算法有很多，lr、svm、貝葉斯、隨機森林、fasttext、knn、dl、gbdt等，相關變種更是數不勝數。
個人認為svm還是比較有效的方法，可以作為基準，當然這些方法都各有優劣。不同分類演算法的優缺點
介紹了svm、lr、貝葉斯、決策樹等分類方法的優缺點。
相關專題（包括對不同分類方法進行簡單介紹，以及python呼叫相關**）、
分類演算法（一）—— 概述
分類演算法（二）—— fasttext
分類演算法（三）—— lr nb svm knn 呼叫示例
分類演算法（四） —— svm
分類演算法（五） —— xgboost 安裝
分類演算法（六）——softmax和sigmoid，二分類、多分類、多標籤分類關係
演算法筆記一 概述
分析乙個演算法，主要是考量它的執行的時間代價和空間代價，而在評估時間代價時，還要分析下最好情況下的代價和最壞情況下的代價。最好情況，用來分析該演算法的最佳應用場景 最壞情況，用來確定該演算法的最長執行時間的上限 某些演算法可能會更加的關注於平均情況，當平均情況趨向於較好情況時，是有意義的，這裡就需要...
排序演算法 一 概述
排序是程式開發中一種非常常見的操作，對一組任意的資料元素 或記錄 經過排序操作後，就可以把他們變成一組按關鍵字排序的有序佇列。對於排序演算法從以下幾點去衡量演算法的優劣 時間複雜度，所謂時間複雜度就是將一組數從無序到有序所花費的時間，通常使用乙個量級去衡量，比如o n 或者 o n n 空間複雜度，...
Java排序演算法（一） 概述
排序是程式開發中一種非常常見的操作，對一組任意的資料元素 或記錄 經過排序操作後，就可以把他們變成一組按關鍵字排序的有序佇列。對乙個排序演算法來說，一般從下面3個方面來衡量演算法的優劣 時間複雜度 它主要是分析關鍵字的比較次數和記錄的移動次數。空間複雜度 分析排序演算法中需要多少輔助記憶體。穩定性 ...