sklearn流程图

参考了这篇博客：https://blog.csdn.net/hjwbit/article/details/88065566

sk-learn
	• 样本集低于50条样本
		请获取更多的样本
	• 分类： 
		• 小样本 
			• 优先使用Linear-SVC
				• 其次考虑 naive bayes(文本)、
				KNeighbors
					• 最终是
						SVC
						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？)
		classification
	• 聚类 
		• 半监督 
			• 小样本 
				• 优先考虑Kmeans
					• Spectral Cluster / GMM
			• 大样本 
				• MiniBatch Kmeans
		• 无监督 
			• 小样本 
				• MeanShift
				• VBGMM
			• 大样本 
				tough luck
		clustering，labeled data
	• 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)
		regression
	• 降维： 
		• PCA
		• 大样本 
			• kernel approximation
		• 小样本 
			• Isomap / Spectral Embedding
				• LLE
		dimensionality reduction

参考了这篇博客：https://blog.csdn.net/hjwbit/article/details/88065566