机器学习并不神秘之分类算法合集

机器学习本质上就是一种对问题真实模型的逼近。其中有监督的分类算法在众多的业务场景得到了非常广泛的应用，如：根据个人的学历、性别、年龄等信息判断用户是否会违约等。分类问题属于预测任务，就是通过已有数据集（训练集）的学习，得到一个目标函数f（模型），把每个属性集x映射到目标属性y（类），且y必须是离散的（若y为连续的，则属于回归算法）。解决分类问题的方法很多 ，基本的分类方法主要包括：决策树、朴素贝叶斯、人工神经网络、K-近邻、支持向量机等；另外还有用于组合基本分类器的集成学习算法，集成学习的代表算法有随机森林，adaboost，xgboost等。本篇文章主要总结了各基本分类器的基本原理和优缺点。                      ………………………………