[机器学习与scikit-learn-3]：scikit-learn模型地图与模型选择

作者主页(文火冰糖的硅基工坊)：文火冰糖（王文兵）的博客_文火冰糖的硅基工坊_CSDN博客

本文网址：

---

目录

概述

start->

if 样本数大于<50个, 则直接放弃(欠拟合)，scikit-learn模型，至少需要有50个样本数据

if 样本数大于>=50个, 则scikit-learn能处理。

    if 分类问题， 则为分类问题

            if 标签数据，则为有监督的分类问题

            else 无标签数据，则为无监督的分类问题：聚类问题

        else 则为非分类问题

                if 数量性问题，则为拟合问题

             elsif  如果观察数据总体特性，则是降维问题

             else：目前还不支持

---

概述

scikit-learn提供了大量的已知模型，下图形展现了如何选择scikit-learn的模型，来解决特定的现实问题。

start->

if 样本数大于<50个, 则直接放弃(欠拟合)，scikit-learn模型，至少需要有50个样本数据

if 样本数大于>=50个, 则scikit-learn能处理。

    if 分类问题， 则为分类问题

            if 标签数据，则为有监督的分类问题

            

                        if 样本数小于100K, 则优选选择线性SVC

                                if 是文本数据， 则选择Naive Bayes算法

                                else 选择K近邻居算法

                        else 样本大于100K, 则优选选择SGD分类算法

                               if 不能工作，则选择 选择复合增强算法，如Kernel approximation+SVC算法

            else 无标签数据，则为无监督的分类问题：聚类问题

            

                        if 样本数目是已知的

                                if 样本数<10K, 则使用miniBatch KMeans算法

                                else 则使用 KMeans算法

                                        if 不能工作，则选择特殊的聚类算法GMM

                        else 样本数未知

                                if 样本数<10, 则使用MeanShift算法

                                else 难度太大，不支持

        else 则为非分类问题

                if 数量性问题，则为拟合问题

                

                        if 样本数<100K, 则直接可以使用SGD拟合

                        else 样本>=100K, 则需要进一步确定

                                if 部分个别的特征起关键作用，则使用 弹性网络，Lasso

                                else 则选择 RidgeRegression

                                        如果不能工作，则选择复合、增强算法

             elsif  如果观察数据总体特性，则是降维问题

                        则直接使用Randomized PCA算法

                                如果不能工作，则进一步确定

                                        if 样本数少于10K, 

                                                则使用Isomap算法

                                        else 则使用 kernel approximation算法

             else：目前还不支持

                

备注：从这样图上可以看出，scikit-learn也就20种左右常用的算法。

---

作者主页(文火冰糖的硅基工坊)：文火冰糖（王文兵）的博客_文火冰糖的硅基工坊_CSDN博客

本文网址：