机器学习面试题面经

KNN：特点是完全跟着数据走，没有数学模型可言。适用：需要一个容易解释的模型的时候，比如需要向用户解释原因的推荐算法。 感知机 贝叶斯：核心是根据条件概率计算待判断点的类型。适用：易解释，而且不同维度之间相关性较小的模型。可以处理高维数据，虽然效果一般。 逻辑回归 决策树：适用：它能生成清晰的基于特征选择不同预测结果的树状结构，数据分析师希望更好的理解手上的数据的时候往往可以使用决策树。 随机森林

>>阅读原文<<