学习！机器学习算法优缺点综述

发布时间：2020-06-19 07:59:16 所属栏目：模式来源：站长网

导读：副标题#e# 正则化算法（Regularization Algorithms）集成算法（Ensemble Algorithms）决策树算法（Decision Tree Algorithm）回归（Regression）人工神经网络（Artificial Neural Network）深度学习（Deep Learning）支持向量机（Support Vector Mach

Apriori 算法（Apriori algorithm） Eclat 算法（Eclat algorithm） FP-growth

图模型（Graphical Models）

学习！机器学习算法优缺点综述

图模型或概率图模型（PGM/probabilistic graphical model）是一种概率模型，一个图（graph）可以通过其表示随机变量之间的条件依赖结构（conditional dependence structure）。

例子：

贝叶斯网络（Bayesian network）马尔可夫随机域（Markov random field）链图（Chain Graphs）祖先图（Ancestral graph）

优点：

模型清晰，能被直观地理解

缺点：

确定其依赖的拓扑很困难，有时候也很模糊

（编辑：晋中站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!

5/5

首页