论文改写:一是缺乏伸缩性。由于进行深度优先搜索所以算法受内存大小限制难于处理大训练集。二是处理大型数据集或各种改进算法离散化、采样的连续值不仅增加了分类算法的计算量而且降低了分类的准确性。连续场很难预测如果类别太多
首先,该算法存在一定的缺陷,其中一个主要问题是缺乏伸缩性。由于采用深度优先搜索的方式,该算法的性能受到内存大小的限制,难以处理大规模训练集。其次,对于大型数据集或使用各种改进算法(如离散化、采样)处理连续值时,不仅会增加分类算法的计算量,而且还会降低分类的准确性。连续场通常难以进行准确的预测,尤其是当类别数量过多时。
原文地址: https://www.cveoy.top/t/topic/bLNL 著作权归作者所有。请勿转载和采集!