學習筆記，僅供參考，有錯必糾

關鍵詞：分類、UCI數據庫、隨機森林、支持向量機、神經網絡、決策樹、集成、基于規則的分類器、判別分析、貝葉斯分類器、廣義線性模型、偏最小二乘和主成分回歸、多重自適應回歸樣條、最近鄰、logistic和多項式回歸

---

文章目錄

• • Do we Need Hundreds of Classifiers to Solve Real World Classification Problems?
  • • Abstract
    • Introduction

---

Do we Need Hundreds of Classifiers to Solve Real World Classification Problems?

Abstract

我們評估了來自17個家族的179個分類器(判別分析、貝葉斯、神經網絡、支持向量機、決策樹、基于規則的分類器、boosting、bagging、堆疊、隨機森林和其他集成、廣義線性模型、最近鄰、偏最小二乘和主成分回歸、邏輯回歸和多項式回歸、多重自適應回歸樣條和其他方法)，在Weka、R(有和沒有插入符號包)、C和Matlab中實現，包括目前可用的所有相關分類器。我們使用

總結

以上是生活随笔為你收集整理的文献学习(part80-A)--Do we Need Hundreds of Classifiers to Solve Real World Classification Problems?的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。