Какие алгоритмы машинного обучения можно считать лучшими?
Classic MLУровень: ПрактикаML concepts — Sebastian Raschka FAQ
Какие алгоритмы машинного обучения можно считать лучшими?
Подсказки
- Сформулируйте задачу, входные данные и то, что модель должна предсказывать.
- Сравните метод с простым baseline: допущения, функция потерь и независимая проверка.
Ответ
Универсального лучшего алгоритма нет: важны распределение данных, задача, ограничения и метрика. Логистическая регрессия полезна как простой линейный baseline; наивный Байес часто эффективен для разреженного текста; ядровой SVM моделирует нелинейность; деревья и ансамбли хорошо подходят многим табличным задачам. Нейросети особенно полезны для сложных неструктурированных данных и переноса предобученных представлений. Сравнивайте модели честной валидацией; у наивного Байеса и леса тоже могут быть важные гиперпараметры.
Источник и лицензия: Sebastian Raschka — Python Machine Learning FAQ · MIT · перевод: Quantoros