待刪

訓練集有多大？ 如果你的訓練集很小，高偏差/低方差的分類器（如樸素貝葉斯）比低偏差/高方差的分類器（如K近鄰或Logistic迴歸）更有優勢，因爲後者容易過擬合。但是隨着訓練集的增大，高偏差的分類器並不能訓練出非常準確的模型，所以低偏差/高方差的分類器會勝出（它們有更小的漸近誤差）。 你也可以從生成模型與鑑別模型的區別來考慮它們。 某些分類器的優勢 樸素貝葉斯(Naive Bayes, NB) 超

>>阅读原文<<