待删

训练集有多大？ 如果你的训练集很小，高偏差/低方差的分类器（如朴素贝叶斯）比低偏差/高方差的分类器（如K近邻或Logistic回归）更有优势，因为后者容易过拟合。但是随着训练集的增大，高偏差的分类器并不能训练出非常准确的模型，所以低偏差/高方差的分类器会胜出（它们有更小的渐近误差）。 你也可以从生成模型与鉴别模型的区别来考虑它们。 某些分类器的优势 朴素贝叶斯(Naive Bayes, NB) 超

>>阅读原文<<