我所講授的數(shù)據(jù)科學(xué)課程涵蓋了該領(lǐng)域大部分內(nèi)容览妖，但尤其關(guān)注機(jī)器學(xué)習(xí)（machinelearning）慨丐。除了講授模型的評估過程和度量方法以外诫肠，很明顯菩貌，我們還講算法本身卢佣，主要是監(jiān)督式學(xué)習(xí)（supervisedlearning）算法。
在為期11周的課程接近尾聲的時候箭阶，我們花了幾個小時檢查所用的課程資料虚茶。我們希望學(xué)生能夠逐漸理解他們所學(xué)的東西。要掌握的技能之一就是在解決機(jī)器學(xué)習(xí)的問題時仇参，有能力在不同的監(jiān)督式學(xué)習(xí)算法中做出明智的選擇嘹叫。雖然使用“蠻力”（把每種情況都試一遍，看看哪種最好）的方法有其價(jià)值所在诈乒，但比這價(jià)值大得多的是能夠在不同算法之間做出權(quán)衡利弊的選擇罩扇。
我決定為學(xué)生們組織一場比賽。我給他們一張空白的表格，列出所講的監(jiān)督式學(xué)習(xí)算法喂饥，讓學(xué)生從幾個不同維度對這些算法進(jìn)行比較消约。我在網(wǎng)上找到了這樣的表格，自己先弄一張?jiān)僬f员帮！下面就是或粮，一起看看：
上圖為表格部分截圖，中文版下載請點(diǎn)擊這里捞高。
貢獻(xiàn)出這張表格氯材，有兩個原因：
其一，它可以用來講課或者學(xué)習(xí)（下載下來拿去用吧）硝岗。
其二浓体，這張表格需要完善，人多力量大辈讶！
這張表格是集鄙人經(jīng)驗(yàn)與研究的產(chǎn)物，在任何這些算法的領(lǐng)域娄猫，我都稱不上是專家贱除。如果你有能夠改進(jìn)表格的建議，給我留言喲媳溺！
是否在我的這些評估中存在誤導(dǎo)或錯誤月幌？（當(dāng)然啦，有些比較維度本身就帶有主觀性悬蔽。）
是否存在應(yīng)該添加到表格中的其他“重要的”對比維度扯躺？
是否還有其他你希望加入到這張表格的算法？（目前蝎困，表格中只有我所講授的算法录语。）
我意識到每種算法的特征及相應(yīng)的評價(jià)都可以基于數(shù)據(jù)的具體情況（以及數(shù)據(jù)的調(diào)優(yōu)程度）發(fā)生變化。因此有人會認(rèn)為試圖做“客觀”的比較是欠考慮的禾乘。然而澎埠，我認(rèn)為作為監(jiān)督式學(xué)習(xí)算法入門的一般性參考，這張表仍然有其價(jià)值所在始藕。
Duang~Duang~Duang~蒲稳！
學(xué)習(xí)資源
ChoosingaMachineLearningClassifier：EdwinChen所做的概述，短小易懂伍派，可讀性強(qiáng)江耀。
scikit-learn的“機(jī)器學(xué)習(xí)導(dǎo)圖”：選擇“正確”的估計(jì)器（estimator）。
MachineLearningDoneWrong：深思熟慮的建議诉植，避免在機(jī)器學(xué)習(xí)中掉進(jìn)常見的坑祥国，有些建議涉及算法的選擇。
PracticalmachinelearningtricksfromtheKDD2011bestindustrypaper：較上一項(xiàng)更高級的建議倍踪。
AnEmpiricalComparisonofSupervisedLearningAlgorithms：發(fā)表于2006年的研究論文系宫。
