image.png

    表12.110种监督学习方法特点的概括总结
    方法适用问题模型特点模型类型学习策略
    学习的学习算法
    损失函数
    感知机二类分类分离超平面
    判别模型极小化误分点误分点到超随机梯度下降
    到超平面距离平面距离
    k近邻法征空间,样本判别模型
    朴素贝叶多类分类特征与类别的联生成模型极大似然估对数似然损概率计算公
    斯法
    大后验失
    独立假设
    概率估计
    决策树
    ,
    分类树,回归树判别模型
    的极大对数似然损特征选择,生
    支持向量机二类分类分离超平面,核判别模型极小化正则化合页损失序列最小最
    算法(SMO
    提升方法二类分类弱分类器的线性判别模型极小化加法模指数损失前向分步加法
    型的指数损失
    EM算法①概率模型含隐变量概率模
    极大似然估对数似然损迭代算法
    参数估计型
    计,最大后验失
    概率估计
    马尔可夫标注
    生成模型最绫数似然损,算公
    分布模型
    条件随机场标注观测序列
    状态序列条件下判别模型极大似
    对数似然损改
    概率分布,对数
    费的
    大似然估计
    降,拟牛顿法
    线性模型
    ①EM算法在这里有些特殊,它是个一般方法,不具有具体模型。