Недостатки различных методов машинного обучения

Недостатки различных методов машинного обучения
1) Дерево решений
Недостаток: невозможно инкрементное обучение в процессе работы
При поступлении новых данных надо перестраивать все дерево

2) Наивный Байесовский алгоритм
Недостаток: Не может выявить зависимостей между разными переменными. Например, в анти-спам фильтре письмо-спам характеризует определенное сочетание слов, но эти слова по отдельности часто встречаются в нормальных письмах. Такую корреляцию наивный байес не выявит. Все входные данные должны хотя бы примерно обладать свойством независимости.

3) Нейронная сеть
Недостаток: ненаглядна. Невозможно объяснить полученные результаты. Иногда бывает очень важно не просто предсказать результат процесса, но и составить алгоритм процесса. Дерево решений строит такой алгоритм, а НС – черный ящик!

Цитата доктор Рагин @ 20.07.17, 13:41

2) Наивный Байесовский алгоритм
Недостаток: Не может выявить зависимостей между разными переменными. Например, в анти-спам фильтре письмо-спам характеризует определенное сочетание слов, но эти слова по отдельности часто встречаются в нормальных письмах. Такую корреляцию наивный байес не выявит. Все входные данные должны хотя бы примерно обладать свойством независимости.

Линейные модели, в принципе, неплохо ловят определённый тип спама

Цитата

Линейные модели, в принципе, неплохо ловят определённый тип спама

Это только если спам линейный