用于数据挖掘的分类算法有哪些,各有何优劣

1. 朴素贝叶斯(Naive Bayes, NB)

超级简单,就像做一些数数的工作.如果条件独立假设成立的话,NB将比鉴别模型（如Logistic回归）收敛的更快,所以你只需要少量的训练数据.即使条件独立假设不成立,NB在实际中仍然表现出惊人的好.如果你想做类似半监督学习,或者是既要模型简单又要性能好,NB值得尝试.

2. Logistic回归(Logistic Regression, LR)

LR有很多方法来对模型正则化.比起NB的条件独立性假设,LR不需要考虑样本是否是相关的.与决策树与支持向量机（SVM）不同,NB有很好的概率解释,且很容易利用新的训练数据来更新模型（使用在线梯度下降法）.如果你想要一些概率信息（如,为了更容易的调整分类阈值,得到分类的不确定性,得到置信区间）,或者希望将来有更多数据时能方便的更新改进模型,LR是值得使用的.

3.决策树（Decision Tree, DT）

DT容易理解与解释.DT是非参数的,所以你不需要担心野点（或离群点）和数据是否线性可分的问题（例如,DT可以轻松的处理这种情况：属于A类的样本的特征x取值往往非常小或者非常大,而属于B类的样本的特征x取值在中间范围）.DT的主要缺点是容易过拟合,这也正是随机森林（Random Forest, RF）（或者Boosted树）等集成学习算法被提出来的原因.此外,RF在很多分类问题中经常表现得最好（我个人相信一般比SVM稍好）,且速度快可扩展,也不像SVM那样需要调整大量的参数,所以最近RF是一个非常流行的算法.

4.支持向量机（Support Vector Machine, SVM）

很高的分类正确率,对过拟合有很好的理论保证,选取合适的核函数,面对特征线性不可分的问题也可以表现得很好.SVM在维数通常很高的文本分类中非常的流行.由于较大的内存需求和繁琐的调参,我认为RF已经开始威胁其地位了.