第12章 演算法總結

12.1 貝葉斯分類器

• 優點：訓練、查詢速度快；支援增量式訓練；易解釋
• 缺點：無法處理基於特徵組合所產生的變化結果

12.2 決策樹分類器

• 優點：易解釋；容易處理變數之間的相互影響
• 缺點：不支援增量式訓練

12.3 神經網路

• 優點：能夠處理複雜的非線性函式；能發現不同輸入間的依賴關係；支援增量式訓練
• 缺點：黑盒方法；選擇網路規模靠經驗

12.4 支援向量機

• 優點：預測速度快
• 缺點：對每個資料集的最佳核變換函式及相應的引數都是不一樣的；黑盒技術

12.5 KNN

• 優點：過程簡單；合理的資料縮放能改善結果；線上技術
• 缺點：預測時所有資料缺一不可；找縮放因子過程繁瑣

第9章SVM理論很少，還是建議先對其他相關書籍理解內部原理再來看這章。第10章講的更是跳躍，“雞尾酒宴會問題”可參考Ng的ICA部分。第11章將GA演算法用到樹上，還有一個小遊戲，這章之後空了再補起來。