Please enable JavaScript.
Coggle requires JavaScript to display documents.
机器学习 (决策树 (树模型与线性模型的区别 也可以说成是逻辑回归和决策树的区别 逻辑回归只能做线性分割，大于阈值划分为一类，决策树是对每一个特征…
机器学习
决策树
树模型与线性模型的区别
也可以说成是逻辑回归和决策树的区别
逻辑回归只能做线性分割，大于阈值划分为一类，决策树是对每一个特征进行处理，可以进行非线性分割。
机器学习
步骤
收集数据
准备输入数据
分析输入数据
训练算法
测试算法
使用
python
NumPy
Matplotlib
K临近算法
概述
优点
精度高
对输入值无假定
对异常值不敏感
缺点
计算复杂度高
空间复杂度高
使用数据范围
数值型和标称型
朴素贝叶斯
逻辑回归
支持向量机
树回归