柚子快報邀請碼778899分享：人工智能 機器學習筆記

http://yzkb.51969.com/

1.線性回歸

線性回歸是找出一組系數(shù)，使得這些系數(shù)與特征的線性組合盡可能接近目標值。在訓練過程中，通過誤差平方和來確定這些系數(shù)。

優(yōu)點：

1.簡單直觀：易于理解和實現(xiàn)。

2.可解釋性：容易解釋，可以清楚的顯示特征如何影響預測。

3.計算效率高：由于模型簡單，計算效率高，易于處理大規(guī)模數(shù)據(jù)。

缺點：

處理非線性關系、高度復雜數(shù)據(jù)集或具有大量噪聲的數(shù)據(jù)時效果不理想。

2.邏輯回歸

邏輯回歸是利用邏輯函數(shù)（通常Sigmoid函數(shù)）將線性回歸模型的輸出映射到0和1之間。

優(yōu)點:

1.邏輯回歸不僅能夠提供分類結果，還能給出屬于某個類別的概率。

2.計算效率相對較高，易于解釋。

3.可擴展到多分類問題，并在許多不同領域都有應用。

缺點：

在處理非線性關系、特征間相互作用復雜或非常高維的數(shù)據(jù)時效果不佳。

3.決策樹（可用于分類、回歸、特征選擇、復雜數(shù)據(jù)集）

決策樹是將復雜的決策過程分解為一些列簡單的決策，從而形成一個樹狀結構。在構建決策數(shù)時

柚子快報邀請碼778899分享：人工智能 機器學習筆記

http://yzkb.51969.com/

精彩文章