机器学习：如何选择一个合适的算法
这个问题你为什么要选择这个模型，而不是另一个？
初学者常常很少考虑到这个问题，习惯于拿起模型就用，而忘了这个模型是否适合给定的问题和数据。
1、数据是怎样生成的？可以被看作是独立同分布吗？如果是，大多数方法都可以用，如果不是，需要考虑适用于非独立同分布的算法，比如隐马尔科夫模型。
2、有多少训练数据？越复杂的模型需要越多的训练数据。
3、有多少特征？最大似然方法在特征比较多的情况下通常不会表现的很好。
4、模型的可解释性有多重要？一些方法比如决策树的可解释性很好，但是准确率可能没那么高（它们受大方差的影响）。相比之下，随机森林的准确率更高一些但是可解释性要差一些。
5、有多少异常值？一些模型对异常值会更鲁棒。
6、计算复杂度有多大（也与数据和特征的数量有关）？比如非线性SVM的计算量是数据量的三次方,如果数据有几十万,计算量会是一个问题。
7、你有设计好的必杀特征或者你想让模型去学习它们?如果是后者,神经网络模型会让你感兴趣(但是计算量会很大)。
8、特定的应用场景:你的模型符合对当前问题的假设吗?比如SVM的各种核具有旋转不变性等特点,这对于给定的应用可能是重要的。具有这种能力的模型可能会表现的更好(深度学习会试图去发现这种关系但是需要大量的数据)。
翻译自Andreas Merentitis
的回答：How does one choose which algorithm is best suitable for the dataset at hand?
简单总结如下,
选择算法需要考虑的八个点:
1.数据分布(是否是独立同分布)
2.数据量
3.特征数量
4.可解释性
5.异常值
6.计算量
7.是否设计特征
8.应用场景
分一下类:
数据
数据分布,数据量,异常值
特征
特征数量,是否设计特征,
模型
计算量,可解释性
