machine-learning - 機械学習アルゴリズム: どの問題に対してどのアルゴリズムを使用するか?

Question

私は機械学習の分野では初めてですが、使用できるアルゴリズム/アルゴリズムのセットがたくさんあることに気付きました: SVM、決定木、単純ベイズ、パーセプトロンなど...どの問題を解決するための 1 つの用途は? 言い換えれば、どのアルゴリズムがどの問題クラスを解決するのでしょうか?

私の質問は、この問題のあるアルゴリズムの選択に焦点を当てた優れた Web サイトまたは本を知っているかどうかです。

どんな助けでも大歓迎です。事前にt​​hx。

ホレス

Answer 1

scikit-learn.org が公開したこのインフォグラフィックは、sklearn ライブラリを使用していない場合でも役立ちます。

Answer 2

@TooTone: 私の意見では、Machine Learning in Action は、OP が特定の問題に使用する手法を決定するのに役立つ可能性があります。この本は、さまざまな ML アルゴリズムと、それぞれの長所、短所、および「連携」を明確に分類しているためです。そのうちの。特に行列演算に慣れていない人にとっては、コードがやや読みにくいことに同意します。何年にもわたる研究が 10 行の Python プログラムに凝縮されているため、(少なくとも私にとっては) 理解するのに 1 日かかることを覚悟しておいてください。

Answer 3

「どの問題に対してどのアルゴリズムを使用するか」という質問に答えるのは非常に難しいです。</p>

その能力には、多くの経験と知識が伴います。したがって、機械学習に関する優れた本をいくつか読むことをお勧めします。おそらく、次の本が良い出発点になるでしょう。

機械学習: 確率論的観点

機械学習についてある程度の知識があれば、いくつかの単純な機械学習の問題に取り組むことができます。アイリスの花のデータセットは、良い出発点です。それは、3 種類のアイリス種に属するいくつかの機能で構成されています。最初に単純な機械学習モデル (ロジスティック回帰など) を開発してアイリス種を分類し、徐々にニューラル ネットワークなどのより高度なモデルに移行できます。