各種機器學習分類模型的優缺點

KNN: 依賴數據，無數學模型可言。適用於可容易解釋的模型。 對異常值敏感，容易受到數據不平衡的影響。 Bayesian: 基於條件概率， 適用於不同維度之間相關性較小的時候，比較容易解釋。也適合增量訓練，不必要再重算一遍。應用：垃圾郵件處理。 Decision Tree: 此模型更容易理解不同屬性對於結果的影響程度（如在第幾層)。可以同時處理不同類型的數據。但因爲追蹤結果只需要改變葉子節點的屬性

>>阅读原文<<