算法--分類算法

文章純屬個人愚見，歡迎指正！

分類：分類就是通過一些學習（監督學習），弄錯一個分類器或者說分類模型，當你把一個參數（數據）放入時，可以告訴你你這參數（數據）應該放到哪個類，類似於貓狗分類。

一：樸素貝葉斯(Naive Bayes, NB)

http://www.ruanyifeng.com/blog/2011/08/bayesian_inference_part_one.html

二：Logistic迴歸(Logistic Regression, LR)

https://blog.csdn.net/qq_20073741/article/details/102647497

三：決策樹（Decision Tree, DT）

基本術語：

• 根節點(Root Node)：它代表整個種羣或樣本，並進一步分爲兩個或更多個同類集。
• 拆分(Splitting)：這是將節點劃分爲兩個或更多個子節點的過程。
• 決策節點(Decision Node)：當子節點分裂成更多的子節點時，它被稱爲決策節點。
• 葉子/終端節點(Leaf/ Terminal Node)：不分割的節點稱爲葉子或終端節點。

• 修剪(Pruning)：當我們刪除決策節點的子節點時，此過程稱爲修剪。 你可以說相反的分裂過程。
• 分支/子樹(Branch / Sub-Tree)：整個樹的子部分稱爲分支或子樹。
• 父節點和子節點(Parent and Child Node)：劃分爲子節點的節點稱爲子節點的父節點，其中子節點是父節點的子節點。

https://blog.csdn.net/qq_39384184/article/details/79940305

四：隨機森林（Random Forest, RF）

https://blog.csdn.net/qq_20073741/article/details/103537438

五：支持向量機（Support Vector Machine, SVM）

       特點：數據量少

分類算法評估指標：

 （1）分類準確度

 （2）召回率

 （3）虛警率

 （4）精確度