# 選擇機器學習算法：Microsoft Azure的經驗教訓 > 原文： [https://machinelearningmastery.com/choosing-machine-learning-algorithms-lessons-from-microsoft-azure/](https://machinelearningmastery.com/choosing-machine-learning-algorithms-lessons-from-microsoft-azure/) 微軟最近在其Azure云計算平臺上推出了對機器學習的支持。 在平臺的一些技術文檔中埋藏了一些資源，您可能會發現這些資源可用于考慮在不同情況下使用的機器學習算法。 在這篇文章中，我們將了解微軟對機器學習算法的建議以及我們在任何平臺上解決機器學習問題時可以使用的經驗教訓。  選擇機器學習算法。 照片由 [USDA](https://www.flickr.com/photos/usdagov/14195226791) 拍攝，部分版權所有。 ## 機器學習算法Cheatsheet 微軟發布了一份PDF備忘單，列出了什么樣的機器學習算法。 one-pager將各種問題類型列為組，以及Azure在每個組中支持的算法。 這些群體是： * **回歸**：用于預測值。 * **異常檢測**：用于查找異常數據點。 * **聚類**：用于發現結構。 * **兩級分類**：用于預測兩類。 * **多級分類**：用于預測三個或更多類別。 這種方法的第一個問題是算法名稱似乎映射到Azure API文檔，并不是標準的。一些常見名稱跳出來但其他只是標準算法的名稱，為簡單起見而旋轉（或者我懷疑避免某種名稱侵權）。 除了算法名稱之外，您還可以選擇一個給定算法的原因。這是一個好主意，鑒于它是一個備忘單，它簡潔而簡潔。 從標題為“ [Microsoft Azure機器學習工作室](http://aka.ms/MLCheatSheet)的機器學習算法備忘單”的配套博客文章中下載備忘單（PDF）。 ## 獲取免費算法思維導圖  方便的機器學習算法思維導圖的樣本。 我已經創建了一個由類型組織的60多種算法的方便思維導圖。 下載，打印并使用它。 ## 如何選擇機器學習算法 備忘單的目標是幫助您快速選擇問題的算法。 是嗎？也許不是。 原因是，您可能永遠不應該分析為您的問題選擇一種算法。您應該檢查一些算法并使用您對問題的任何要求進行評估。 有關抽樣檢查算法的更多信息，請參閱文章“[為什么您應該在機器學習問題](http://machinelearningmastery.com/why-you-should-be-spot-checking-algorithms-on-your-machine-learning-problems/)上進行抽樣檢查算法”。 我認為cheatsheet最適合用來了解哪些算法投入到您的抽查中，從您的問題要求的角度來看。 在同一個Azure文檔中的姐妹博客中，我們獲得了更多符合這些想法的上下文，標題為“[如何選擇Microsoft Azure機器學習算法](https://azure.microsoft.com/en-us/documentation/articles/machine-learning-algorithm-choice/)”。 該帖子首先提出了一個問題：“_我應該使用哪些機器學習算法？_ “并正確回答”_取決于_“。他們評論說： > 即使是最有經驗的數據科學家也無法確定哪種算法在嘗試之前表現最佳。 對吧！ 這篇文章的寶貴意義在于它們在您的需求背景下考慮算法選擇時所考慮的因素。這些算法選擇考慮因素是： * **準確度**：獲得最佳分數是目標還是近似（“足夠好”）解決方案，同時權衡過度擬合。 * **訓練時間**：訓練模型的可用時間（我猜，驗證和調整）。 * **線性**：模型問題如何建模的一個方面。與非線性模型相比，非線性模型通常更難以理解和調整。 * **參數數量**：模型復雜性的另一個方面影響調整和靈敏度的時間和專業知識。 * **特征數量**：實際上，具有比實例更多屬性的問題， _p＆gt;＆gt; n_ 問題。這通常需要專門的處理或專門技術。 該帖子還提供了Azure支持的算法的可愛表格，以及它們對上面列出的一些注意事項的映射。  算法注意事項表 [Microsoft博客文章](https://azure.microsoft.com/en-us/documentation/articles/machine-learning-algorithm-choice/)的部分截圖。 我認為這很好。 我還認為創建（需要專家）非常昂貴，不能擴展到數百（數千？）的機器學習算法，并且隨著新的和更強大的算法的開發和發布需要不斷更新。 ## 我們如何有效地選擇算法？ 通常，預測建模的目標是在給定合理時間和資源的情況下創建最準確的模型。 如果模型僅用于描述目的而不是用于實際進行預測，那么在模型的線性度和參數數量方面對算法復雜性的關注通常僅是一個問題。 通過精心設計的問題測試工具，選擇哪種算法和要設置的參數值成為計算機要弄清楚的組合問題，而不是數據科學家。事實上，就像在A / B測試中的直覺一樣，算法選擇是有偏見的，可能會使表現嚴重下降。 這是機器學習的現場檢查方法，并且由于強大的系統測試方法（如交叉驗證）以及廉價和豐富的計算，因此只能實施大量算法。 您最喜歡的機器學習算法在您之前沒有參與的問題上表現良好的幾率是多少？不是很好（[，除非你使用隨機森林！](http://machinelearningmastery.com/use-random-forest-testing-179-classifiers-121-datasets/) - 我在開玩笑）。 我要說的是，我們可以研究機器學習算法，并了解它們的工作方式和適合的方法，但我認為這種選擇水平會在以后發生。當您嘗試在3到4個高表現型號之間進行選擇時。當你取得好成績時，你需要深入研究以獲得更好的結果。 ## 行動步驟 查看備忘單并做一些筆記，并考慮如何在自己的過程中使用這些想法。 看看我的[機器學習算法](http://machinelearningmastery.com/a-tour-of-machine-learning-algorithms/)之旅，深入了解最流行的機器學習算法以及它們之間的相互關系。 如果您想了解更多關于如何從端到端系統地處理機器學習問題的信息，請查看我的帖子“[處理機器學習問題的過程](http://machinelearningmastery.com/process-for-working-through-machine-learning-problems/)”。