最近邻,朴素贝叶斯和决策树分类器能解决给定的分类问题有多好？
Mat*_*unz 2 machine-learning bayesian nearest-neighbor decision-tree
3个图表(i),(ii),(iii) 
显示具有2个数字属性(x和y轴)的训练集和具有两个类(圆形和方形)的目标属性.
我现在想知道数据挖掘算法(最近邻,朴素贝叶斯和决策树)如何解决每个分类问题.
我认为Naive Bayes(具有属性不相关的天真假设)比(i)和(iii)更好地解决了第二个问题,因为这里数值属性往往更加独立.
还有其他想法吗？谢谢.
如果要在这种情况下使用每种给定方法:
第一个可以通过决策树方法最好地解决,cos类可以通过轴分开.我的意思是在x轴上绘制一条垂直线,将值分为左侧和右侧,并在y轴上绘制另一条垂直线,这样您就会看到类很好地分开.
如你所提到的,第二个可以被认为是朴素贝叶斯问题.
第三个可以用k最近邻域方法求解.方形类位于坐标系的近位置,圆类也可以用一些误差进行分类.
| 归档时间： |
|
| 查看次数： |
2468 次 |
| 最近记录： |