持續更新中...
1.k-近鄰演算法
優勢：精度高、對異常值不敏感、無資料輸入設定
缺點：計算複雜度高、空間複雜度高
適用資料範圍：數值型和標稱型
適用場景：
2.id3決策樹演算法
劣勢：可能會產生過度匹配問題
適用資料型別：標稱型
適用場景：
3.樸素貝葉斯
優勢：在資料較少的情況下仍然有效，可以處理多類別問題
劣勢：對於輸入資料的準備方式較為敏感
適用資料型別：標稱型資料
適用場景：文件分類、垃圾郵件識別
4.logistic回歸
優勢：計算代價不高，易於理解和實現
劣勢：：容易欠擬合，分類精度可能不高
適用資料型別：數值型和標稱型資料
適用場景：
5.支援向量機
優勢：泛化錯誤率低， 計算開銷不大， 結果易解釋
劣勢：對引數調節和核函式選擇敏感，原始分類器不加修改僅適用於處理二類問題
適用資料型別：數值型和標稱型
四大家族機械人優劣勢對比學習筆記
四大家族機械人優劣勢對比學習筆記 工博士可以整合fanuc，yaskawa，abb，kuka和kawasaki等製造商的機械人。憑藉多年的整合機械人的經驗，我們公司是幫助您做出最明智，最經濟高效的解決方案的明智選擇的絕佳選擇。abb 優勢 擁有最多種類的機器 產品 技術和服務，是全球裝機量最 的 業...
加密演算法優缺點及適用場景整理
des 演算法 一種典型的塊加密方法，將固定長度的明文通過一系列複雜的操作變成同樣長度的密文，塊的長度為64位。同時，des 使用的金鑰來自定義變換過程，因此演算法認為只有持有加密所用的金鑰的使用者才能解密密文。des 的金鑰表面上是64位的，實際有效金鑰長度為56位，其餘8位可以用於奇偶校驗。de...
什麼是無監督學習？概念 使用場景及演算法詳解
無監督學習是機器學習中的一種訓練方式 學習方式 下面通過跟監督學習的對比來理解無監督學習 監督學習是一種目的明確的訓練方式，你知道得到的是什麼 而無監督學習則是沒有明確目的的訓練方式，你無法提前知道結果是什麼。監督學習需要給資料打標籤 而無監督學習不需要給資料打標籤。監督學習由於目標明確，所以可以衡...