algorithm - 决策树与朴素贝叶斯与 KNN

Question

进行数据挖掘时，什么时候应该选择其中一种算法而不是另一种？有具体原因吗？另外，其中哪一个是最有效的？

我将给出一个表格作为示例。

Answer 1

一种选择方法是尝试所有这些并选择最好的。

如果我要尝试构建数据来支持其中一个或另一个，这就是我可能会做的。

1) 为了支持决策树，只有少数属性决定正确答案，其他所有无用的干扰。

2) 为了支持朴素贝叶斯，构造 2n+1 个属性，方法是随机选择 n 个 1s 和 n+1 -1s 或 n+1 个 1s 和 n -1s 并将它们随机分配给属性。做出正确答案是大多数人支持 +1 还是 -1。

3) 为了支持 kNN，使用二维数据并在 0 的背景中绘制一个 1 的宽螺旋图案，其中 0 或 1 的数量大致相等。正确答案是你是在 0 还是 1。

kNN 在你做决定的时候肯定会占用更多的内存，因为你必须记住所有的实例，而不是将它们归结为权重和树规则。我还希望它在决策时花费更多时间，尽管有图书馆试图加快这一速度。朴素贝叶斯可能是最快和最小的。

有大量不同的方法可以使用决策树，以及一些非常复杂的决策树开发，例如随机森林，这可能会占用大量时间和内存，但在某些数据上可能会做得更好。