Caracterización de algoritmos de clasificación

A continuación, se listan las principales ventajas y desventajas de los modelos de clasificación más relevantes en Data Science.

Regresión Logística

Ventajas

• Enfoque probabilístico, proporciona información sobre el significado estadístico de las características

Desventajas

• Los supuestos de Regresión Logística

k Nearest Neighbor (k-NN)

El vecino más cercano, utiliza tanto atributos numéricos como categóricos

Ventajas

• Simple de entender, rápido y eficiente

Desventajas

• Requiere escoger una cantidad 'k' de vecinos
• No genera un modelo

Support Vector Machine (SVM)

Solo se aplica para atributos numéricos

Ventajas

• Rendimiento, no sesgado por valores atípicos, no sensible al sobre ajuste

Desventajas

• No es apropiado para problemas no lineales, no es la mejor opción para un gran número de características

Kernel SVM

Ventajas

• Alto rendimiento en problemas no lineales, no sesgado por valores atípicos, no sensible al sobreajuste

Desventajas

• No es la mejor opción para un gran número de características, más complejas

Naive Bayes

Ventajas

• Eficiente, no sesgado por valores atípicos, trabaja en problemas no lineales, enfoque probabilístico

Desventajas

• Partiendo del supuesto de que las características tienen la misma relevancia estadística

Árbol de decisión para clasificación

Ventajas

• Interpretabilidad, sin necesidad de escalar características, funciona tanto en problemas lineales como no lineales.

Desventajas

• Resultados deficientes en conjuntos de datos demasiado pequeños, puede producirse fácilmente un sobreajuste

Bosque aleatorio para clasificación

Ventajas

• Potente y preciso, buen rendimiento en muchos problemas, incluidos los no lineales

Desventajas

• No hay interpretabilidad, el sobreajuste puede ocurrir fácilmente, la necesidad de elegir el número de árboles

Fuente: SuperDataScience.com