2014-01-13 6 views

답변

2

오직 게으름 분류 기호는 이러한 특성을 가지며, 그 중 하나는 KNN입니다.

  • SVM - 교육 문서의 수에 따라 (가의 SV의 수의 상한이다)
  • 나이브 - 분류 시간,하지만해야하지 않을 수 있습니다 지원 벡터의 수에 따라 달라집니다 베이 즈 (Bayes) - NB 분류 시간이 O (기능 수)이기 때문에 이러한 새로운 문서가 많은 새로운 단어를 포함하지 않는 한 영향을 미치지 않으므로, 보보를 확대하지 않으면 BOW 모델의 경우 많은 것을 사용하는 것이 안전합니다 교육 자료
  • 의사 결정 트리 - NB와 동일하지만 기능의 수와 인스턴스의 수에 따라 변경되지 않는 문제의 복잡성에만 의존합니다.
  • 신경망 - 여기서 분류 시간은 뉴런 수에 따라 달라집니다.
+0

답을 구하기가 너무 많습니다. 범주 수가 분류 시간에 영향을 줍니까? SVM 에서처럼 그것은 분리 된 초평면의 기능을 발견합니다 (각 클래스에 대해 생각합니다). 그래서 3 가지 범주의 데이터 집합으로 인스턴스를 classiying하는 것은 20 개의 범주를 가진 데이터 집합으로 인스턴스를 분류하는 것보다 시간이 덜 걸립니까 ?? –

+0

클래스 수는 베이 스에서도 각 분류 기준의 분류 시간에 영향을 미칩니다. SVM에서는 가장 비용이 많이 드는 오버 헤드가 다중 레이블 시나리오에 적용될 몇 가지 메타 전략을 필요로하는 바이너리 분류 자이기 때문에 SVM에 추가됩니다. 구현에 따라 O (log (N)) (매우 드문 경우), O (N) (매우 일반적), O (N^2) (일반적인) 추가 복잡성, N 개의 범주가있을 수 있습니다. – lejlot