Apa klasifikasi 2-out-of-the-box terbaik untuk aplikasi Anda? [Tutup]

Aturan:

• satu classifier per jawaban
• pilih jika Anda setuju
• downvote / hapus duplikat.
• letakkan aplikasi Anda di komentar

Hutan acak

• dengan mudah menangkap struktur rumit / hubungan nonlinear
• invarian dengan skala variabel
• tidak perlu membuat variabel dummy untuk prediktor kategori
• pemilihan variabel tidak banyak dibutuhkan
• relatif sulit untuk dipakai

Regresi Logistik :

• cepat dan berkinerja baik di sebagian besar dataset
• hampir tidak ada parameter untuk disetel
• menangani kedua fitur diskrit / kontinu
• Model mudah ditafsirkan
• (tidak benar-benar terbatas pada klasifikasi biner)

Mesin dukungan vektor

Diskriminan yang diregulasi untuk masalah yang diawasi dengan data berisik

1. Efisien secara komputasi
2. Kuat terhadap noise dan outlier dalam data
3. Pengklasifikasi linear diskriminan (LD) dan kuadrat diskriminan (QD) dapat diperoleh dari pengaturan yang sama dengan pengaturan parameter regularisasi '[lambda, r]' ke '[1 0]' untuk pengklasifikasi LD dan '[0 0]' untuk QD classifier - sangat berguna untuk tujuan referensi.
4. Model mudah diinterpretasikan dan diekspor
5. Bekerja dengan baik untuk set data yang jarang dan 'lebar' di mana matriks kovarians kelas mungkin tidak didefinisikan dengan baik.
6. Perkiraan probabilitas kelas posterior dapat diperkirakan untuk setiap sampel dengan menerapkan fungsi softmax ke nilai diskriminan untuk setiap kelas.

Tautan ke kertas asli 1989 oleh Friedman et al di sini . Juga, ada penjelasan yang sangat baik oleh Kuncheva dalam bukunya " Menggabungkan pola pengklasifikasi ".

Gradient Boosted Trees.

• Setidaknya seakurat RF pada banyak aplikasi
• Menggabungkan nilai-nilai yang hilang dengan mulus
• Pentingnya Var (seperti RF mungkin bias mendukung tingkat nominal terus menerus dan banyak)
• Plot dependensi parsial
• GBM versus randomForest di R: menangani BANYAK dataset yang lebih besar

Gaussian Process classifier - ini memberikan prediksi probabilistik (yang berguna ketika frekuensi kelas relatif operasional Anda berbeda dari yang ada di rangkaian pelatihan Anda, atau setara dengan biaya false-positive / false-negative Anda yang tidak diketahui atau variabel). Ini juga menyediakan inidcation dari ketidakpastian dalam prediksi model karena ketidakpastian dalam "memperkirakan model" dari dataset yang terbatas. Fungsi co-variance setara dengan fungsi kernel dalam SVM, sehingga juga dapat beroperasi secara langsung pada data non-vektor (misalnya string atau grafik dll). Kerangka matematika juga rapi (tapi jangan gunakan pendekatan Laplace). Pemilihan model otomatis melalui memaksimalkan kemungkinan marjinal.

Pada dasarnya menggabungkan fitur yang baik dari regresi logistik dan SVM.

Regresi logistik yang diatur L1.

• Ini cepat komputasi.
• Ini memiliki interpretasi yang intuitif.
• Hanya memiliki satu hiperparameter yang mudah dipahami yang dapat secara otomatis disetel dengan validasi silang, yang sering kali merupakan cara yang baik untuk dilakukan.
• Koefisiennya sebagian linier dan hubungannya dengan hyperparameter secara instan dan mudah terlihat dalam plot sederhana.
• Ini adalah salah satu metode yang kurang meragukan untuk pemilihan variabel.
• Juga memiliki nama yang sangat keren.

KNN

Bayes Naif dan Bay Naif Acak

K-means clustering untuk pembelajaran tanpa pengawasan.