¿Cuál es el mejor clasificador de 2 clases listo para usar para su aplicación? [cerrado]

Reglas:

• un clasificador por respuesta
• vota si estás de acuerdo
• Votar a favor / eliminar duplicados.
• pon tu solicitud en el comentario

Bosque al azar

• captura fácilmente una estructura complicada / relación no lineal
• invariante a la escala de las variables
• no es necesario crear variables ficticias para predictores categóricos
• la selección de variables no es muy necesaria
• relativamente difícil de sobreajustar

Regresión logística :

• rápido y funciona bien en la mayoría de los conjuntos de datos
• casi no hay parámetros para sintonizar
• maneja ambas funciones discretas / continuas
• el modelo es fácilmente interpretable
• (no realmente restringido a clasificaciones binarias)

Máquinas de vectores soporte

Discriminante regularizado por problemas supervisados ​​con datos ruidosos

1. Computacionalmente eficiente
2. Robusto al ruido y valores atípicos en los datos
3. Los clasificadores discriminantes lineales (LD) y cuadráticos (QD) se pueden obtener de la misma implementación estableciendo los parámetros de regularización '[lambda, r]' a '[1 0]' para el clasificador LD y '[0 0]' para Clasificador QD: muy útil para fines de referencia.
4. El modelo es fácil de interpretar y exportar.
5. Funciona bien para conjuntos de datos dispersos y 'amplios' donde las matrices de covarianza de clase pueden no estar bien definidas.
6. Se puede estimar una estimación de probabilidad de clase posterior para cada muestra aplicando la función softmax a los valores discriminantes para cada clase.

Enlace al documento original de 1989 de Friedman et al aquí . Además, hay muy buena explicación de Kuncheva en su libro " Combinando clasificadores de patrones ".

Gradiente impulsado árboles.

• Al menos tan preciso como RF en muchas aplicaciones
• Incorpora valores perdidos sin problemas
• Var importancia (como RF probablemente sesgada a favor de continuo y muchos niveles nominales)
• Parcelas de dependencia parcial
• GBM versus randomForest en R: maneja conjuntos de datos MUCHO más grandes

Clasificador de proceso gaussiano : proporciona predicciones probabilísticas (lo cual es útil cuando las frecuencias de clase relativa operativa difieren de las de su conjunto de entrenamiento, o de manera equivalente, sus costos falsos positivos / falsos negativos son desconocidos o variables). También proporciona una indicación de la incertidumbre en las predicciones del modelo debido a la incertidumbre en la "estimación del modelo" a partir de un conjunto de datos finito. La función de covarianza es equivalente a la función del núcleo en un SVM, por lo que también puede funcionar directamente en datos no vectoriales (por ejemplo, cadenas o gráficos, etc.). El marco matemático también es ordenado (pero no use la aproximación de Laplace). Selección de modelo automatizada mediante la maximización de la probabilidad marginal.

Esencialmente combina buenas características de regresión logística y SVM.

Regresión logística regularizada L1.

• Es computacionalmente rápido.
• Tiene una interpretación intuitiva.
• Tiene solo un hiperparámetro fácilmente comprensible que puede ajustarse automáticamente mediante validación cruzada, que a menudo es un buen camino a seguir.
• Sus coeficientes son lineales a trozos y su relación con el hiperparámetro es visible de manera instantánea y fácil en un diagrama simple.
• Es uno de los métodos menos dudosos para la selección de variables.
• También tiene un nombre realmente genial.

kNN

Bayes ingenuos y bahías ingenuas aleatorias

K-significa agrupamiento para el aprendizaje no supervisado.