[算法]收藏！机器学习算法优缺点综述( 四 ) |机器学习|人工智

平均一致依赖估计器（Averaged One-Dependence Estimators (AODE)）

贝叶斯信念网络（Bayesian Belief Network (BBN)）

贝叶斯网络（Bayesian Network (BN)）

优点：

快速、易于训练、给出了它们所需的资源能带来良好的表现

缺点：

如果输入变量是相关的，则会出现问题

关联规则学习算法（Association Rule Learning Algorithms）

本文插图

关联规则学习方法能够提取出对数据中的变量之间的关系的最佳解释。比如说一家超市的销售数据中存在规则 {洋葱，土豆}=> {汉堡} ，那说明当一位客户同时购买了洋葱和土豆的时候，他很有可能还会购买汉堡肉。
例子：

Apriori 算法（Apriori algorithm）
Eclat 算法（Eclat algorithm）
FP-growth

图模型（Graphical Models）

本文插图

图模型或概率图模型（PGM/probabilistic graphical model）是一种概率模型，一个图（graph）可以通过其表示随机变量之间的条件依赖结构（conditional dependence structure）。
例子：

贝叶斯网络（Bayesian network）
马尔可夫随机域（Markov random field）
链图（Chain Graphs）
祖先图（Ancestral graph）

优点：

模型清晰，能被直观地理解

缺点：

确定其依赖的拓扑很困难，有时候也很模糊

原文链接：
https://static.coggle.it/diagram/WHeBqDIrJRk-kDDY/t/categories-of-algorithms-non-exhaustive
编辑：王菁
—完—
想要获得更多数据科学领域相关动态，诚邀关注清华-青岛数据科学研究院官方微信公众平台“ 数据派THU ” 。