这几个都是分类算法模型
SVM
核心思想找到不同类别的分界面，两类样本分在面的两端，而且距离分界面尽量远
初期SVM是平面的，利用核函数后，将平面投影为曲面，大大提高了适用范围，在实际分类中准确度大大提高。
决策树
沿特征做切割，层层递进，并且继续划分，能够生成清晰的基于特征产生不同预测结果的树状结构，缺点是易被攻击，只需要改变其中一个特征就可出错。
DNN
输入层一层，隐层（可多层），输出层（一层）
相关文章：
相似解决方案
热门标签
这几个都是分类算法模型
SVM
核心思想找到不同类别的分界面，两类样本分在面的两端，而且距离分界面尽量远
初期SVM是平面的，利用核函数后，将平面投影为曲面，大大提高了适用范围，在实际分类中准确度大大提高。
决策树
沿特征做切割，层层递进，并且继续划分，能够生成清晰的基于特征产生不同预测结果的树状结构，缺点是易被攻击，只需要改变其中一个特征就可出错。
DNN
输入层一层，隐层（可多层），输出层（一层）
相关文章：