機器學習面試題面經

KNN：特點是完全跟着數據走，沒有數學模型可言。適用：需要一個容易解釋的模型的時候，比如需要向用戶解釋原因的推薦算法。 感知機 貝葉斯：核心是根據條件概率計算待判斷點的類型。適用：易解釋，而且不同維度之間相關性較小的模型。可以處理高維數據，雖然效果一般。 邏輯迴歸 決策樹：適用：它能生成清晰的基於特徵選擇不同預測結果的樹狀結構，數據分析師希望更好的理解手上的數據的時候往往可以使用決策樹。 隨機森林

>>阅读原文<<