Python Machine Learning 019: 어떤 기계 학습 알고리즘이 귀하에게 적합합니까? | 선형 모델 | 로지스틱 회귀 | 최근접 이웃 | 의사결정 트리 | SVM | Naive Bayes | 앙상블 알고리즘 | 얕은 신경망 | 심층 신경망

데이터와 애플리케이션이 있는데 어떤 알고리즘을 먼저 시도해야 할까요? 어떤 알고리즘을 선택하든 좋은 점과 나쁜 점이 있습니다. 머신러닝 알고리즘을 선택하기 위한 몇 가지 기본 원칙은 다음과 같습니다.

1. 데이터 세트의 크기에 따라 선택

알고리즘은 데이터 세트의 크기에 매우 민감합니다. 50MB 미만 또는 1TB 이상의 데이터세트에 어떤 알고리즘을 사용해야 하는지에 대한 절대적인 규칙은 없지만, 보유하고 있는 데이터의 양을 고려하고 샘플 데이터세트가 균형을 이룬다고 가정하면 다음 지침을 따르세요.

• 소형: 의사결정 트리, 로지스틱 회귀, 선형 모델
• 매체: SVM, Naive Bayes, 최근접 이웃, 얕은 신경망
• 대규모: 심층 신경망(심층 신경망, 딥 러닝, 둘 다 같은 의미), 통합 컴퓨팅