机器学习中几个常见模型的优缺点

朴素贝叶斯：优势：对小规模的数据表现很好，适合多分类任务，适合增量式训练。函数 缺点：对输入数据的表达形式很敏感（连续数据的处理方式）。spa 决策树：优势：计算量简单，可解释性强，比较适合处理有缺失属性值的样本，可以处理不相关的特征。缺点：容易过拟合（后续出现了随机森林，减少了过拟合现象）。blog 逻辑回归：优势：实现简单，分类时计算量很是小，速度很快，存储资源低。缺点：容易欠拟合，通常准确度

>>阅读原文<<