少走弯路！为机器学习项目选择最优算法！

文章预览

“为数据而来，为科学驻足”——Kirk Borne，DataPrime公司首席科学官 在构建精确的预测模型时，选择合适的分类与回归机器学习算法至关重要。 面对众多可用的算法，要决定为特定数据集使用哪一种，是有一定挑战性的。 本文将基于数据的特性，讨论在选择分类与回归机器学习算法时需要考虑的一些因素。 我们深知，了解数据在算法选择中起着关键作用，但是我们的做法通常都是先尝试各种算法，再基于准确性或其他性能指标来决定进一步优化哪一种。 如果你能理解数据，其实无需逐一尝试所有算法，除了逐一尝试，你还可以直接使用针对特定情况的算法来完成任务。 根据以往经验我总结了以下几条基本准则： 先聊聊分类 数据集大小 ：在选择分类算法时，数据集的大小是一个重要因素。对于小型数据集，选择复杂度较低、参数较少的算法（如 ………………………………