干货！如何快速选择Sklearn机器学习模型!

Scikit-learn，简称Sklearn，是超级好用的，也是使用最广泛的开源Python机器学习库，它基于Numpy和Scipy，提供了大量用于数据挖掘和分析的工具，包括数据预处理、交叉验证、算法与可视化算法等一系列接口，其中提供的模型能够实现分类，回归，聚类，数据降维等功能。

不过，解决机器学习问题的最难的部分，其实不是缺乏工具，而是如何为具体项目找到合适的机器学习模型。

• 比如说，我老板丢给我20万个客户的淘宝网店购物记录，让我预测一些其中那些客户未来的一年内有较高的生命周期价值，用哪个模型？
• 又比如说，我老板又丢给我1000个客户的下载、注册、使用和卸载我们的App的行为记录，让我预测其中一些客户未来3个月内流失的可能性，用哪个模型？

Sklearn中的工具这么多，怎么知道哪个模型更适合于解决什么类型的数据和什么样的问题呢？

别怕，Sklearn官网上面，有一个流程图旨在为用户提供一些粗略的指导，以指导他们如何处理有关哪些估算器尝试使用数据的问题。

有的童鞋一看，又头大了！英文的，看不大懂啊。

不要着急，我们特意为您翻译整理了这张超级有用的图表的中文版本。