抱歉,您的浏览器无法访问本站

本页面需要浏览器支持(启用)JavaScript


了解详情 >

Sciki-learn 选择学习方法,选择模型 流程图

Sklearn 官网提供了一个流程图,蓝色圆圈内是判断条件,绿色方框内是可以选择的算法:详情

http://scikit-learn.org/stable/tutorial/machine_learning_map/index.html]

从 START 开始,首先看数据的样本是否 >50,小于则需要收集更多的数据。

由图中,可以看到算法有四类,分类回归聚类降维

algorithm desc
分类 监督式学习,即每个数据对应一个 label
回归 监督式学习,即每个数据对应一个 label
聚类 非监督式学习,即没有 label。
降维 当数据集有很多很多属性的时候,可以通过 降维 算法把属性归纳起来。

例如 20 个属性只变成 2 个,注意,这不是挑出 2 个,而是压缩成为 2 个,
它们集合了 20 个属性的所有特征,相当于把重要的信息提取的更好,不重要的信息就不要了

然后看问题属于哪一类问题,是分类还是回归,还是聚类,就选择相应的算法。 当然还要考虑数据的大小,例如 100K 是一个阈值。

可以发现有些方法是既可以作为分类,也可以作为回归,例如 SGD

Reference