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