由於每個演算法都基於某些特定的假設，並且均含有一些缺點，故需要通過大量的實踐為特定的問題選擇合適的演算法。
沒有任何一種分類器可以在所有的問題中都有良好的表現，即對於每一種分類演算法，總有一定的問題是無法良好的解決的。實踐表明，只有比較了多種學習演算法的效能才能為特定的問題挑選出合適的模型。這些模型針對不同的數量的特徵或者樣本、資料集中雜訊的數量，以及類別時候線性可分等問題時，表現各不同。
特徵的選擇
確定效能評價標準
選擇分類器及其優化演算法
對模型效能的評估
演算法的排程
機器學習演算法分類
這些演算法按照學習方式分類的分的話，可以分為一下幾類 1 監督式學習 從給定的訓練資料集中學習出乙個函式，當新的資料到來時，可以根據這個函式 結果。監督學習的訓練集需要包括輸入和輸出，也可以說是特徵和目標。訓練集中的目標是由人標註的。常見的監督式學習演算法包括回歸分析和統計分類。2 非監督式學習 與...
機器學習 分類演算法
最優化理論基礎 分類演算法詳解 簡單例項講解樸素貝葉斯分類演算法 機器學習實戰 樸素貝葉斯 機器學習實戰 python3 基於概率論的分類方法 樸素貝葉斯 機器學習入門之決策樹演算法 決策樹演算法的基本原理 機器學習實戰 python3 決策樹id3 機器學習實戰 基於資訊理論的三種決策樹演算法 i...
機器學習演算法分類
4.了解了機器學習的各種類別，那麼每一種類別有哪些應用呢？機器學習 machine learning 是人工智慧 ai 重要的一部分，是實現人工智慧的乙個途徑。機器學習包含不同種類的演算法，而為了解決不同型別的問題，機器學習演算法可以分為特定的種類，我們要使用最適合的演算法來解決它最擅長的問題。學習...