machine-learning - 最近邻、朴素贝叶斯和决策树分类器解决给定分类问题的效果如何？

Question

3 个图表 (i)、(ii)、(iii)显示了具有 2 个数值属性（x 和 y 轴）和具有两个类别（圆形和方形）的目标属性的训练集。

我现在想知道数据挖掘算法（最近邻、朴素贝叶斯和决策树）解决每个分类问题的效果如何。

我认为朴素贝叶斯（在属性不相关的朴素假设下）比（i）和（iii）更好地解决了第二个问题，因为这里的数值属性往往更独立于彼此。

Answer 1

如果您想在这种情况下使用每个给定的方法：

第一个可以用决策树方法最好地解决，因为类可以按轴分开。我的意思是在 x 轴上画一条垂直线，将值分隔为左侧和右侧，并在 y 轴上画另一条垂直线，这样你会看到类将很好地分开。

正如您提到的，第二个可以被视为朴素贝叶斯问题。

第三个可以用k最近邻方法解决。方形类在坐标系上的位置较近，圆形类也可以分类有一些错误。