现代机器学习算法的优缺陷，你都搞清楚了没？

在这个指南中，咱们将通过现代机器学习算法进行实用简洁的介绍。尽管存在其他这样的列表，但它们并无真正解释每一种算法的实际掂量，咱们但愿在这里进行。咱们将依据经验讨论每一种算法的优缺陷。

对机器学习算法进行分类是比较辣手的，有几种合理的办法：它们可以分为生成/鉴别、参数/非参数、监督/非监督等。文章源自微观生活（93wg.com）微观生活-https://93wg.com/21652.html

例如，Scikit-Learn的文档页面按其学习机制对算法进行分组。这发生了如下种别：文章源自微观生活（93wg.com）微观生活-https://93wg.com/21652.html

广义线性模型文章源自微观生活（93wg.com）微观生活-https://93wg.com/21652.html

支撑向量机文章源自微观生活（93wg.com）微观生活-https://93wg.com/21652.html

近邻算法文章源自微观生活（93wg.com）微观生活-https://93wg.com/21652.html

决策树文章源自微观生活（93wg.com）微观生活-https://93wg.com/21652.html

神经网络文章源自微观生活（93wg.com）微观生活-https://93wg.com/21652.html

等等...文章源自微观生活（93wg.com）微观生活-https://93wg.com/21652.html

然而，依据咱们的经验，这其实不老是最实用的一种分组算法。这是由于对于利用机器学习，你通常不会想，\"我今天想要训练一个支撑向量机！\"文章源自微观生活（93wg.com）微观生活-https://93wg.com/21652.html

相反，你通常有一个终究的目标，比如预测结果或对你的察看结果进行分类。文章源自微观生活（93wg.com）微观生活-https://93wg.com/21652.html

没有免费的午饭

在机器学习中，有一种称为\"没有免费的午饭\"的定理。简而言之，它表明没有一种算法能够最佳地解决每一个问题，并且它对于监督学习（即预测建模）特别重要。

例如，你不能说神经网络老是比决策树更好，反之亦然。有许多因素在起作用，例如数据集的大小以及结构。

因而，你应当针对自己的问题尝试许多不同的算法，同时使用持久\"测试集\"数据来评估性能并选择获胜者。

固然，你尝试的算法必需合适你自己的问题，这是选择正确的机器学习任务之处。

以上就是微观生活（93wg.com）关于“现代机器学习算法的优缺陷，你都搞清楚了没？”的详细内容，希望对大家有所帮助！