各種分類算法比較

1、各種分類算法比較最近在學(xué)習(xí)分類算法，順便整理了各種分類算法的優(yōu)缺點(diǎn)1決策樹(shù)(Decision Trees )的優(yōu)缺點(diǎn)決策樹(shù)的優(yōu)點(diǎn)：一、決策樹(shù)易于理解和解釋.人們?cè)谕ㄟ^(guò)解釋后都有能力去理解決策樹(shù)所表 達(dá)的意義。二、對(duì)于決策樹(shù)，數(shù)據(jù)的準(zhǔn)備往往是簡(jiǎn)單或者是不必要的其他的技術(shù)往往要求先把數(shù)據(jù)一般化，比如去掉多余的或者空白的屬性。三、能夠同時(shí)處理數(shù)據(jù)型和常規(guī)型屬性。其他的技術(shù)往往要求數(shù)據(jù)屬性的 單一。四、決策樹(shù)是一個(gè)白盒模型。如果給定一個(gè)觀察的模型，那么根據(jù)所產(chǎn)生 的決策樹(shù)很容易推出相應(yīng)的邏輯表達(dá)式。五、易于通過(guò)靜態(tài)測(cè)試來(lái)對(duì)模型進(jìn)行評(píng)測(cè)。表示有可能測(cè)量該模型的可信 度。六、在相對(duì)短的時(shí)間內(nèi)能夠?qū)Υ笮蛿?shù)據(jù)

2、源做出可行且效果良好的結(jié)果。七、可以對(duì)有許多屬性的數(shù)據(jù)集構(gòu)造決策樹(shù)。八、決策樹(shù)可很好地?cái)U(kuò)展到大型數(shù)據(jù)庫(kù)中，同時(shí)它的大小獨(dú)立于數(shù)據(jù)庫(kù)的 大小。決策樹(shù)的缺點(diǎn)：一、對(duì)于那些各類別樣本數(shù)量不一致的數(shù)據(jù)，在決策樹(shù)當(dāng)中，信息增益的結(jié) 果偏向于那些具有更多數(shù)值的特征。二、決策樹(shù)處理缺失數(shù)據(jù)時(shí)的困難。三、過(guò)度擬合問(wèn)題的出現(xiàn)。四、忽略數(shù)據(jù)集中屬性之間的相關(guān)性。2人工神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點(diǎn) 人工神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)：分類的準(zhǔn)確度高，并行分布處理能力強(qiáng)，分布存儲(chǔ)及學(xué)習(xí)能力強(qiáng), 對(duì)噪聲神經(jīng)有較強(qiáng)的魯棒性和容錯(cuò)能力，能充分逼近復(fù)雜的非線性關(guān)系，具備聯(lián)想 記憶的功能等。人工神經(jīng)網(wǎng)絡(luò)的缺點(diǎn)：神經(jīng)網(wǎng)絡(luò)需要大量的參數(shù)，如網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)、權(quán)值

3、和閾值的 初始值；不能觀察之間的學(xué)習(xí)過(guò)程，輸出結(jié)果難以解釋，會(huì)影響到結(jié)果的可信度和 可接受程度；學(xué)習(xí)時(shí)間過(guò)長(zhǎng)，甚至可能達(dá)不到學(xué)習(xí)的目的。3遺傳算法的優(yōu)缺點(diǎn)遺傳算法的優(yōu)點(diǎn)：一、與問(wèn)題領(lǐng)域無(wú)關(guān)切快速隨機(jī)的搜索能力。二、搜索從群體出發(fā)，具有潛在的并行性，可以進(jìn)行多個(gè)個(gè)體的同時(shí)比較， 魯棒性好。三、搜索使用評(píng)價(jià)函數(shù)啟發(fā)，過(guò)程簡(jiǎn)單。四、使用概率機(jī)制進(jìn)行迭代，具有隨機(jī)性。五、具有可擴(kuò)展性，容易與其他算法結(jié)合。遺傳算法的缺點(diǎn)：一、遺傳算法的編程實(shí)現(xiàn)比較復(fù)雜，首先需要對(duì)問(wèn)題進(jìn)行編碼，找到最優(yōu)解之 后還需要對(duì)問(wèn)題進(jìn)行解碼，二、另外三個(gè)算子的實(shí)現(xiàn)也有許多參數(shù)，如交叉率和變異率，并且這些參數(shù)的 選擇嚴(yán)重影響解的品質(zhì)

4、，而目前這些參數(shù)的選擇大部分是依靠經(jīng)驗(yàn) 沒(méi)有能夠及時(shí)利 用網(wǎng)絡(luò)的反饋信息，故算法的搜索速度比較慢，要得要較精確的解需要較多的訓(xùn)練時(shí) 間。三、算法對(duì)初始種群的選擇有一定的依賴性，能夠結(jié)合一些啟發(fā)算法進(jìn)行 改進(jìn)。4 KNN 算法（K-Nearest Neighbour）的優(yōu)缺點(diǎn)KNN算法的優(yōu)點(diǎn)：一、簡(jiǎn)單、有效。二、重新訓(xùn)練的代價(jià)較低（類別體系的變化和訓(xùn)練集的變化，在Web環(huán)境和電子商務(wù)應(yīng)用中是很常見(jiàn)的）。三、計(jì)算時(shí)間和空間線性于訓(xùn)練集的規(guī)模（在一些場(chǎng)合不算太大）。四、由于KNN方法主要靠周?chē)邢薜泥徑臉颖?，而不是靠判別類域的方法來(lái)確定所屬類別的，因此對(duì)于類域的交叉或重疊較多的待分樣本集來(lái)說(shuō)，KN

5、N方法較其他方法更為適合。五、該算法比較適用于樣本容量比較大的類域的自動(dòng)分類，而那些樣本容 量較小的類域采用這種算法比較容易產(chǎn)生誤分。KNN算法缺點(diǎn)：一、KNN算法是懶散學(xué)習(xí)方法（lazy learning,基本上不學(xué)習(xí)），一些積極 學(xué)習(xí)的算法要快很多。二、類別評(píng)分不是規(guī)格化的（不像概率評(píng)分）。三、輸出的可解釋性不強(qiáng)，例如決策樹(shù)的可解釋性較強(qiáng)。四、該算法在分類時(shí)有個(gè)主要的不足是，當(dāng)樣本不平衡時(shí)，如一個(gè)類的樣 本容量很大，而其他類樣本容量很小時(shí)，有可能導(dǎo)致當(dāng)輸入一個(gè)新樣本時(shí)，該樣本的K個(gè)鄰居中大容量類的樣本占多數(shù)。該算法只計(jì)算最近的”鄰居樣本，某一類的樣本數(shù)量很大，那么或者這類樣本并不接近目標(biāo)樣

6、本，或者這類樣本很靠近目標(biāo)樣 本。無(wú)論怎樣，數(shù)量并不能影響運(yùn)行結(jié)果?？梢圆捎脵?quán)值的方法（和該樣本距離小 的鄰居權(quán)值大）來(lái)改進(jìn)。五、計(jì)算量較大。目前常用的解決方法是事先對(duì)已知樣本點(diǎn)進(jìn)行剪輯，事 先去除對(duì)分類作用不大的樣本。5支持向量機(jī)（SVM ）的優(yōu)缺點(diǎn)SVM的優(yōu)點(diǎn)：、可以解決小樣本情況下的機(jī)器學(xué)習(xí)問(wèn)題。.、可以提高泛化性能。.三、可以解決高維問(wèn)題。四、可以解決非線性問(wèn)題。五、可以避免神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)選擇和局部極小點(diǎn)問(wèn)題。SVM的缺點(diǎn)：一、對(duì)缺失數(shù)據(jù)敏感。二、對(duì)非線性問(wèn)題沒(méi)有通用解決方案，必須謹(jǐn)慎選擇 Kernelfunction來(lái)處 理。6樸素貝葉斯的優(yōu)缺點(diǎn)優(yōu)點(diǎn)：一、樸素貝葉斯模型發(fā)源于古典數(shù)學(xué)理

7、論，有著堅(jiān)實(shí)的數(shù)學(xué)基礎(chǔ)，以及穩(wěn)定的分類效率。二、NBC模型所需估計(jì)的參數(shù)很少，對(duì)缺失數(shù)據(jù)不太敏感，算法也比較簡(jiǎn) 單。缺點(diǎn)：一、理論上，NBC模型與其他分類方法相比具有最小的誤差率。但是實(shí)際上并非總是如此，這是因?yàn)镹BC模型假設(shè)屬性之間相互獨(dú)立，這個(gè)假設(shè)在實(shí)際應(yīng)用中往往是不成立的（可以考慮用聚類算法先將相關(guān)性較大的屬性聚類），這給 NBC 模型的正確分類帶來(lái)了一定影響。在屬性個(gè)數(shù)比較多或者屬性之間相關(guān)性較大時(shí)，NBC模型的分類效率比不上決策樹(shù)模型。而在屬性相關(guān)性較小時(shí)，NBC模型的性能最為良好。二、需要知道先驗(yàn)概率。三、分類決策存在錯(cuò)誤率Adaboost ing 方法的優(yōu)點(diǎn)一、adaboost是

8、一種有很高精度的分類器。二、可以使用各種方法構(gòu)建子分類器，Adaboost算法提供的是框架。三、當(dāng)使用簡(jiǎn)單分類器時(shí)，計(jì)算出的結(jié)果是可以理解的。而且弱分類器構(gòu) 造極其簡(jiǎn)單。四、簡(jiǎn)單，不用做特征篩選。五、不用擔(dān)心ovefitting。Rocchio 的優(yōu)點(diǎn)Rocchio算法的突出優(yōu)點(diǎn)是容易實(shí)現(xiàn)，計(jì)算（訓(xùn)練和分類）特別簡(jiǎn)單，它通常用來(lái) 實(shí)現(xiàn)衡量分類系統(tǒng)性能的基準(zhǔn)系統(tǒng)，而實(shí)用的分類系統(tǒng)很少采用這種算法解決具體 的分類問(wèn)題。9各種分類算法比較根據(jù)這篇論文所得出的結(jié)論，Calibrated boosted trees 的性能最好，隨機(jī)森林第二，un calibrated bagged trees第三,ca

9、libratedSVMs 第四，uncalibrated neural nets 第五。性能較差的是樸素貝葉斯，決策樹(shù)。有些算法在特定的數(shù)據(jù)集下表現(xiàn)較好。參考文獻(xiàn)：羅森林，馬俊，潘麗敏數(shù)據(jù)挖掘理論與技術(shù)M.電子工業(yè)出版社.2013.126-126楊曉帆，陳廷槐人工神經(jīng)網(wǎng)絡(luò)固有的優(yōu)點(diǎn)和缺點(diǎn)J.計(jì)算機(jī)科學(xué).1994（vol.21）.23-26Steve.遺傳算法的優(yōu)缺點(diǎn). HYPERLINK /s/blog_6377a3100100h1mi.html /s/blog 6377a3100100h1mi.html4楊建武.文本自動(dòng)分類技術(shù). HYPERLINK /course/mi /course/mi nin g/12-13spri ng/TextMi nin g04-%E5%88%86%E7%B1%BB.pdf 白云球工作室.SVM（支持向量機(jī)）綜述. HYPERLINK /s/blog_52574bc10100c /s/blog_52574bc10100c nov.