sklearn流图及解释

图片如下

简单解释：

sk-learn的这张图是这么划分的:

• 样本集低于50条样本，请回家好好睡一觉；
• 分类：
  • 小样本
    • 优先使用Linear-SVC
    • 其次考虑 naive bayes(文本)、KNN
    • 最终是SVC和Ensemble Classifier
  • 大样本
    • 优先使用SGD Classifier(线性模型的一种)
    • 其次考虑kernel approximation(特征转换的方式，更像是降维？)
• 聚类
  • 半监督
    • 大样本
      • MiniBatch Kmeans
    • 小样本
      • 优先考虑Kmeans
      • Spectral Cluster / GMM
  • 无监督
    • 大样本
      • 臣妾做不到啊
    • 小样本
      • MeanShift
      • VBGMM
• 回归：
  • 大样本
    • SGD Regressor
  • 小样本
    • 维度较少
      • Lasso / ElasticNet
    • 维度较多
      • RidgeRegression / SVR(linear)
      • EnsembleRegressors / SVR(RBF)
• 降维：
  • PCA
  • 大样本
    • kernel approximation
  • 小样本
    • Isomap / Spectral Embedding
    • LLE