常见ml算法的区别（转载）

常见ml算法的区别

先贴第一段，后面有具体的算法的对比。

如果是小训练集，高偏差/低方差的分类器（例如，朴素贝叶斯NB）要比低偏差/高方差大分类的

优势大（例如，KNN），因为后者会过拟合。但是，随着你训练集的增长，模型对于原数据的预

测能力就越好，偏差就会降低，此时低偏差/高方差分类器就会渐渐的表现其优势（因为它们有较

低的渐近误差），此时高偏差分类器此时已经不足以提供准确的模型了。