特征独立性假设：朴素贝叶斯算法假设所有的特征都是相互独立的，尽管在实际情况中这个假设往往不成立，但这...
svm是天生的结构风险最小化分类，相对很稳定并且过拟合风险较小（别给太膨胀的核函数参数就行）。在样...
SVM模型具有广泛的应用于各种机器学习任务中,其优点包括具有良好的泛化能力、支持非线性数据分类与回归等,且参数优化过程较灵活。但SVM模型也存在一定的缺点,如处理大数据时性能较差、计算复杂性较高以及过度拟合等潜在问题。 ,理想股票技术论坛
缺点:在于不能处理关于遮挡的问题,对于物体方向改变或者人体姿势幅度过大的问题也没法解决,(后来用DPM中的可变形部件模型的方法,得到了解决) 其本身没有旋转不变性,旋转不变性实际上是通过采用不同的旋转方向的训练样本来实现的,其本身也不具有尺度不变性,这部分也是通过改变检测窗口图像的大小来实现的。 由于梯度性...
缺点: 惩罚会造成欠拟合 很难校准 二、集成算法(Ensemble algorithms) 集成方法是由多个较弱的模型集成模型组,其中的模型可以单独进行训练,并且它们的预测能以某种方式结合起来去做出一个总体预测。 该算法主要的问题是要找出哪些较弱的模型可以结合起来,以及结合的方法。这是一个非常强大的技术集,因此广受欢迎。
因为其天然的就是对概率进行建模（不像感知器模型、SVM、KNN等无法输出label的概率），这也给工业使用中...