自然语言处理算法回归算法和分类算法

人工智能学习算法分类
纯算法类
1.回归算法
回归分析是在一系列的已知或能通过获取的自变量与因变量之间的相关关系的基础上，建立变量之间的回归方程，把回归方程作为算法模型，通过其来实现对新变量得出因变量的关系。
回归其实就是一个名词，没有特别的含义
回归的类型有哪些
线性回归
曲线回归
二元logistic回归
多元logistic回归
最小二乘法
梯度
2.分类算法
Bayes：朴素贝叶斯公式
decision tree:决策树‘公式
SVM：支持向量机
KNN:K近邻的公式
LOgistic Regression :逻辑回归的公式
神经网络：
Ensemble learning :
GBDT
Adaboost
Random Forest
常用分类算法
bayes：
贝叶斯分类是基于贝叶斯定理的统计学分类方式，它通过预测一个给定的元组属于一个特定的概率，来进行分类，朴素贝叶斯分类法假定一个属性值在给定类的影响独立于其他属性的------类条件独立性
朴素贝叶斯的优缺点：
优点：所需估计的参数少，对于缺失数据不敏感
缺点：假设属性之间的相互独立性，这往往不成立，喜欢吃番茄，鸡蛋，却不喜欢吃番茄炒鸡蛋
需要知道先验概率
分类决策错误率
Decision Tree：
决策树
优点：不需要任何领域知识或参数假设
SVM：
支持向量机把分类问题转化为寻找分类平面问题，并通过最大化分类边界点距离分类平面的距离来实现分类
KNN:
计算量太大，对于样本分类不均衡的问题，会产生误判
logistic regression
速度快
简单易于理解
神经网络
需要大量参数
结果难以解释
训练时间过长