兩步幫你快速選擇SKlearn機(jī)器學(xué)習(xí)模型
Scikit-learn，簡(jiǎn)稱(chēng)Sklearn，是使用最廣泛的開(kāi)源Python機(jī)器學(xué)習(xí)庫(kù)。它基于Numpy和Scipy，提供了大量用于數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)分析、預(yù)測(cè)的工具，包括數(shù)據(jù)預(yù)處理、可視化、交叉驗(yàn)證和多種機(jī)器學(xué)習(xí)算法。其中提供的模型能夠?qū)崿F(xiàn)分類(lèi)，回歸，聚類(lèi)，數(shù)據(jù)降維等功能。
Sklearn是解決實(shí)際問(wèn)題的一種工具，但面對(duì)機(jī)器學(xué)習(xí)問(wèn)題時(shí)，最難的部分其實(shí)并不是缺乏工具，而是如何為具體項(xiàng)目找到合適的模型。
此處舉2個(gè)案例。
案例1：老板丟給你20萬(wàn)個(gè)客戶(hù)的淘寶網(wǎng)店購(gòu)物記錄，讓你預(yù)測(cè)其中客戶(hù)未來(lái)的一年內(nèi)的生命周期價(jià)值LTV（Life TimeValue），用Scikit-learn中的哪個(gè)模型？
案例2：老板丟給你1000個(gè)客戶(hù)的下載、注冊(cè)、使用和卸載App的行為記錄，讓你預(yù)測(cè)其中一些客戶(hù)未來(lái)3個(gè)月內(nèi)流失的可能性，用Scikit-learn中的哪個(gè)模型？
Sklearn中的機(jī)器學(xué)習(xí)模型這么多，怎么知道哪個(gè)模型適合處理什么類(lèi)型的數(shù)據(jù)，解決什么樣的問(wèn)題呢？
步驟1：找到Sklearn官網(wǎng)提供的“工具選擇流程圖”。只要帶著問(wèn)題，跟著圖往下走，就能夠找到答案。
此處整理了中文版本，便于大家閱讀。
? ? ? ? ? ? ??
步驟2：跟著圖分解自己的案例。
以案例1為例:
從上圖的“開(kāi)始”往下走，進(jìn)入“大于50個(gè)樣本”環(huán)節(jié);
然后判斷為“Yes”，進(jìn)入“預(yù)測(cè)類(lèi)別”環(huán)節(jié);
這里是預(yù)測(cè)價(jià)值，明顯不是類(lèi)別，跟著No進(jìn)入“預(yù)測(cè)數(shù)值”環(huán)節(jié);
然后進(jìn)入“小于10萬(wàn)個(gè)樣本”環(huán)節(jié)，
我們這里有20萬(wàn)個(gè)樣本，因此跟著No進(jìn)入“SGD（小批量梯度下降）回歸”模型——找到合適的模型啦！！
如果你是程序員，有時(shí)候會(huì)希望用程序化的方法進(jìn)行模型的選擇，可以參考如下偽代碼：
IF數(shù)據(jù)量少于50個(gè)
??數(shù)據(jù)樣本太少了，先獲取更多數(shù)據(jù)吧?。?/span>
ELSE數(shù)據(jù)量多于過(guò)50個(gè)
? IF是分類(lèi)問(wèn)題
??? IF數(shù)據(jù)有標(biāo)簽
??????? IF數(shù)據(jù)量大于10萬(wàn)，
?????????選擇SGD分類(lèi)器
??????? ELSE數(shù)據(jù)量大于10萬(wàn)，
????????? 先嘗試線(xiàn)性SVM分類(lèi)器，如果不好用，再繼續(xù)嘗試其他算法
?????????IF特征為文本，
??????????? 選擇樸素貝葉斯SVM
?????????ELSE，
??????????? 先嘗試kNN，如果不好用，嘗試SVM加集成方法
??? ELSE數(shù)據(jù)沒(méi)有標(biāo)簽，
????? 選擇各種聚類(lèi)算法
? ELSE不是分類(lèi)問(wèn)題，
???IF需要預(yù)測(cè)數(shù)量，就是回歸問(wèn)題
????? IF數(shù)據(jù)量大于10萬(wàn)，
???????就選擇SGD線(xiàn)性回歸
????? ELSE，
???????根據(jù)數(shù)據(jù)集特征的特點(diǎn)，有Lasso回歸和Ridge回歸、集成方法、SVM等幾種選擇。
??? ELSE如果是要把數(shù)據(jù)可視化，
????? 則考慮等幾種降維方法
??? ELSE 如果是要輸出數(shù)據(jù)的結(jié)構(gòu)
????? 對(duì)不起，Sklearn幫不了你
——上面的內(nèi)容節(jié)選并整理自《零基礎(chǔ)學(xué)機(jī)器學(xué)習(xí)》
如果SKlearn中的模型都幫不到你的話(huà)，那么就需要考慮深度學(xué)習(xí)庫(kù)了，這一方法以后的文章會(huì)講到。
此外，選取多種算法模型去解決同一個(gè)問(wèn)題，然后將各種算法的效率進(jìn)行比較，也不失為一個(gè)好的方案。
?
那么，最后的問(wèn)題來(lái)了，對(duì)于案例2，應(yīng)該選擇哪個(gè)Sklearn模型呢？請(qǐng)你試一試，并在文末留言說(shuō)明你的模型選擇流程，我們會(huì)抽一位答對(duì)的讀者贈(zèng)送一本剛出版的熱門(mén)機(jī)器學(xué)習(xí)新書(shū)《零基礎(chǔ)學(xué)機(jī)器學(xué)習(xí)》呦。
?
《零基礎(chǔ)學(xué)機(jī)器學(xué)習(xí)》，通過(guò)AI“小白”小冰拜師程序員咖哥學(xué)習(xí)機(jī)器學(xué)習(xí)的對(duì)話(huà)展開(kāi)，內(nèi)容輕松，實(shí)戰(zhàn)性強(qiáng)，主要包括機(jī)器學(xué)習(xí)快速上手路徑、數(shù)學(xué)和Python基礎(chǔ)知識(shí)、機(jī)器學(xué)習(xí)基礎(chǔ)算法（線(xiàn)性回歸和邏輯回歸）、深度神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、經(jīng)典算法、集成學(xué)習(xí)、無(wú)監(jiān)督和半監(jiān)督等非監(jiān)督學(xué)習(xí)類(lèi)型、強(qiáng)化學(xué)習(xí)實(shí)戰(zhàn)等內(nèi)容，以及相關(guān)實(shí)戰(zhàn)案例。本書(shū)所有案例均通過(guò)Python及Scikit-learn機(jī)器學(xué)習(xí)庫(kù)和Keras 深度學(xué)習(xí)框架實(shí)現(xiàn)，同時(shí)還包含豐富的數(shù)據(jù)分析和數(shù)據(jù)可視化內(nèi)容。
本書(shū)適合對(duì)AI 感興趣的程序員、項(xiàng)目經(jīng)理、在校大學(xué)生以及任何想以零基礎(chǔ)學(xué)機(jī)器學(xué)習(xí)的人，用以入門(mén)機(jī)器學(xué)習(xí)領(lǐng)域，建立從理論到實(shí)戰(zhàn)的知識(shí)通道。
也可以加一下老胡的微信 圍觀(guān)朋友圈~~~
推薦閱讀
（點(diǎn)擊標(biāo)題可跳轉(zhuǎn)閱讀）
干掉 LaTeX ！用BookDown寫(xiě)本書(shū) 101道Numpy、Pandas練習(xí)題 【資源干貨】香港中文大學(xué)《深度學(xué)習(xí)導(dǎo)論》2021課件 機(jī)器學(xué)習(xí)深度研究：特征選擇中幾個(gè)重要的統(tǒng)計(jì)學(xué)概念 老鐵，三連支持一下，好嗎？↓↓↓