1. 程式人生 > >統計學習方法總結、應用對比

統計學習方法總結、應用對比

下面主要從模型、策略、演算法、應用四方面來對10種統計學習方法,進行歸類總結。

方法 模型 策略 演算法 應用
感知機 超平面模型 極小化誤分點距離 隨機梯度下降法 二類分類
樸素貝葉斯法 對條件概率分佈作條件獨立性的假設 極大似然估計、極大後驗概率估計 EM演算法 多類分類
k近鄰法 k,distance公式 多數決策(找出輸入的k個最接近的點,看哪個類的點最多) k近鄰演算法 多類分類,迴歸
決策樹 分類的樹形結構 正則化極大似然估計 特徵選擇,生成,剪枝 多類分類,迴歸
邏輯斯諦迴歸 用邏輯斯諦分佈表示條件概率分佈 極大似然估計引數 最優化演算法,如改進的迭代演算法、擬牛頓法 多類分類
支援向量機 核技巧的超平面 極小化合頁損失 序列最小最優化演算法(smo) 二類分類
提升方法 弱分類組合 極小化加法模型的指數損失 前向分步演算法 二類分類
EM演算法 極大似然估計隱含層模型引數 極大似然估計 迭代演算法 概率模型引數估計
隱馬爾可夫模型 觀測序列與狀態序列的聯合概率模型 極大似然估計,極大後驗估計 EM演算法 標註
條件隨機場 與給定結點不相連的都不影響該點的條件概率 極大似然估計 最優化演算法,如改進的迭代演算法、擬牛頓法 標註

1.感知機
感知機,和支援向量很相似,但感知機只能適用於線性劃分的場合,常用於 二類分類問題。