資料採礦分類演算法的比較

資料採礦新手常問的一個問題是，這麼多演算法裡面該選用哪一個？在沒有更多背景資訊給出時，如果追求預測的準確程度，一般用支援向量機（SVM），如果要求模型可以解釋，一般用決策樹。使用SVM的時候選擇高斯核（即RBF kernel），同時要用交叉驗證（cross validation）選擇合適的模型參數。

下面的表格是對常用分類演算法的一個比較，來自一篇文章
Kotsiantis, S. B.
Supervised Machine Learning: A Review of Classification Techniques
Informatica, 2007, 31, 249-268

 

接下來這個表格的結論類似，它來自經典名著
Hastie, T.; Tibshirani, R. & Friedman, J.
The Elements of Statistical Learning, Second Edition
Springer, 2009

另外還有篇文章也可以作參考
Caruana, R. & Niculescu-Mizil, A.
An Empirical Comparison of Supervised Learning Algorithms
Proceedings of the 23rd International Conference on Machine Learning, 2006, 161-168