Sklearn Choosing The Right Estimator
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]]img-1
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
Checking if Disqus is accessible...