[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​​

​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