【机器学习】机器学习各算法的优缺点！！

文章预览

机器学习算法繁多，各个算法有各个算法的特点。 以及不同算法在不同场景下，能够发挥各自的优点。 今天呢，再一次把常见的、常用的算法模型进行了一个大概的总结。包括其分支以及各分支的优缺点。 涉及到的算法有： 回归 正则化算法 集成算法 决策树算法 支持向量机 降维算法 聚类算法 贝叶斯算法 人工神经网络 深度学习 回归 回归算法是一类用于预测连续数值输出的监督学习算法。 根据输入特征预测一个或多个目标变量。回归算法有多个分支和变种，每个分支都有其独特的优缺点。 1、 线性回归（Linear Regression） 优点 ： 简单且易于解释。 计算效率高，适用于大规模数据集。 在特征与目标之间存在线性关系时效果良好。 缺点 ： 无法处理非线性关系。 对异常值敏感。 需要满足线性回归假设（如线性关系、残差正态分布等）。 适用场 ………………………………