摘要：Kevin Markham为General Assembly讲授数据科学课程，在SlideRule指导学生学习数据科学，还是约翰·霍普金斯大学数据科学Coursera专项课程的社区教学助理，日前他撰文谈及了几种监督式学习算法的比较，值得一看。

简介

本文的作者是计算机工程师Kevin Markham，他热衷烹饪，痴迷戏剧，偶尔参加铁人三项运动；为General Assembly 讲授为期11周的数据科学课程，在 SlideRule 指导学生学习数据科学，还是 约翰·霍普金斯大学数据科学Coursera专项课程 的社区教学助理（CTA）；业余时间制作 视频教程 参加 Kaggle的比赛。日前他撰文谈及了几种监督式学习算法的比较，值得一看。

监督式学习算法

他讲授的 数据科学课程 涵盖了该领域大部分内容，但尤其关注机器学习（machine learning）。

除了讲授模型的评估过程和度量方法以外，很明显，还讲算法本身，主要是监督式学习（supervised learning）算法。

在为期11周的课程接近尾声的时候，我们花了几个小时检查所用的课程资料。我们希望学生能够逐渐理解他们所学的东西。要掌握的技能之一就是在解决机器学习的问题时，有能力在不同的监督式学习算法中做出明智的选择。虽然使用“蛮力”（把每种情况都试一遍，看看哪种最好）的方法有其价值所在，但比这价值大得多的是能够在不同算法之间做出权衡利弊的选择。

我决定为学生们组织一场比赛。我给他们一张空白的表格，列出所讲的监督式学习算法，让学生从几个不同维度对这些算法进行比较。我在网上找到了这样的表格，自己先弄一张再说！下面就是，一起看看：

上图为表格部分截图，中文版下载请点击 这里。 

贡献出这张表格，有两个原因：

• 其一，它可以用来讲课或者学习（ 下载 下来拿去用吧）。
• 其二，这张表格需要完善，人多力量大！

这张表格是集鄙人经验与研究的产物，在任何这些算法的领域，我都称不上是专家。如果你有能够改进表格的建议，给我留言哟！

• 是否在我的这些评估中存在误导或错误？（当然啦，有些比较维度本身就带有主观性。）
• 是否存在应该添加到表格中的其他“重要的”对比维度？
• 是否还有其他你希望加入到这张表格的算法？（目前，表格中只有我所讲授的算法。）

我意识到每种算法的特征及相应的评价都可以基于数据的具体情况（以及数据的调优程度）发生变化。因此有人会认为试图做“客观”的比较是欠考虑的。然而，我认为作为监督式学习算法入门的一般性参考，这张表仍然有其价值所在。

学习资源

•  Choosing a Machine Learning Classifier ：Edwin Chen所做的概述，短小易懂，可读性强。
•  scikit-learn的“机器学习导图” ：选择“正确”的估计器（estimator）。
•  Machine Learning Done Wrong ：深思熟虑的建议，避免在机器学习中掉进常见的坑，有些建议涉及算法的选择。
•  Practical machine learning tricks from the KDD 2011 best industry paper ：较上一项更高级的建议。
•  An Empirical Comparison of Supervised Learning Algorithms ：发表于2006年的研究论文。
•  查看所有来自Data School关于机器学习的帖子 。

补充说明：转发到Tweet， 请点击这里 ，还可以来 Kaggle 和 DataTau 讨论！

参考推荐：

几种监督式学习算法的比较

Comparing supervised learning algorithms （英文原文）