我目前正在为人工智能考试开展机器学习项目 . 目标是使用WEKA正确选择两种分类算法进行比较，同时要记住这两种算法必须足够不同才能使比较成为理由 . 此外，算法必须处理标称和数字数据（我想这是必须进行比较） . 例如，我的教授建议选择统计分类器和决策树分类器，或者深入研究自下而上分类器和自上而下分类器之间的比较 .
由于我在机器学习领域的经验很少，我正在研究WEKA提供的各种算法，并且我采用了kNN，即k-最近邻算法 . 这是统计的吗？例如，它可以与Decision Stump算法进行比较吗？
或者，你能否提出一些符合我上面提到的这些要求的算法？
P. S . ：处理数据必须是数字和标称数据 . 在WEKA上有数字/名义特征和数字/名义等级 . 我是否必须选择具有数字/名义特征和类别或仅其中一个的算法？
我非常感谢任何帮助人员，感谢您的耐心等待！
1 回答
根据你教授的描述，我不会认为k-Nearest Neighbors (kNN)是一个统计分类器 . 在大多数情况下，统计分类器是通过训练数据的统计来概括（通过直接使用统计或通过变换它们） . 一个例子是Naïve Bayes Classifier .
相比之下，kNN是Instance-Based Learning的一个例子 . 它不使用训练数据的统计数据;相反，它将新观察直接与训练实例进行比较以执行分类 .
关于比较，是的，您可以比较kNN与Decision Stump（或任何其他分类器）的性能 . 由于任何两个监督分类器将产生与您的训练/测试数据相关的分类准确度，您可以比较它们的性能 .