各种分类算法比较
最近在学习分类算法，顺便整理了各种分类算法的优缺点。1决策树（Decisio
Trees）的优缺点决策树的优点：一、意义。二、对于决策树，数据的准备往往是简单或者是不必要的其他的技术往往要求决策树易于理解和解释人们在通过解释后都有能力去理解决策树所表达的
先把数据一般化，比如去掉多余的或者空白的属性。三、四、能够同时处理数据型和常规型属性。其他的技术往往要求数据属性的单一。决策树是一个白盒模型。如果给定一个观察的模型，那么根据所产生的决
策树很容易推出相应的逻辑表达式。五、六、七、八、易于通过静态测试来对模型进行评测。表示有可能测量该模型的可信度。在相对短的时间内能够对大型数据源做出可行且效果良好的结果。可以对有许多属性的数据集构造决策树。决策树可很好地扩展到大型数据库中，同时它的大小独立于数据库的大小。
决策树的缺点：一、对于那些各类别样本数量不一致的数据，在决策树当中信息增益的结果偏
向于那些具有更多数值的特征。二、三、决策树处理缺失数据时的困难。过度拟合问题的出现。
f四、
忽略数据集中属性之间的相关性。
2人工神经网络的优缺点人工神经网络的优点：分类的准确度高并行分布处理能力强分布存储及学习能力强，对噪声神经有较强的鲁棒性和容错能力，能充分逼近复杂的非线性关系，具备联想记忆的功能等。人工神经网络的缺点：神经网络需要大量的参数，如网络拓扑结构、权值和阈值的初始值；不能观察之间的学习过程，输出结果难以解释，会影响到结果的可信度和可接受程度；学习时间过长甚至可能达不到学习的目的。3遗传算法的优缺点遗传算法的优点：一、二、棒性好。三、四、五、搜索使用评价函数启发，过程简单。使用概率机制进行迭代，具有随机性。具有可扩展性，容易与其他算法结合。与问题领域无关切快速随机的搜索能力。搜索从群体出发，具有潜在的并行性，可以进行多个个体的同时比较，鲁
遗传算法的缺点：一、遗传算法的编程实现比较复杂首先需要对问题进行编码找到最优解之后
还需要对问题进行解码二、另外三个算子的实现也有许多参数如交叉率和变异率并且这些参数的选
择严重影响解的品质而目前这些参数的选择大部分是依靠经验没有能够及时利用网络的反馈信息故算法的搜索速度比较慢，要得要较精确的解需要较多的训练时间。三、算法对初始种群的选择有一定的依赖性，能够结合一些启发算法进行改进。
f4KNN算法Kr