从零开始学机器学习——初探分类器

首先给大家介绍一个很好用的学习地址：https://cloudstudio.net/columns

在上一节中，我们已经完成了对所有经过均衡和清洗的菜品数据的准备工作。接下来，我们将考虑使用多种算法，也就是不同的分类器，来构建模型。我们将利用这个数据集和各种分类器，基于一组特定的配料，预测这些菜品属于哪个国家的美食。

在这一过程中，你将深入学习如何评估和权衡不同分类算法的优缺点，以及如何选择最适合当前任务的模型。

选择你的分类器

Scikit-learn 将分类任务归类为监督学习的一部分，其中包含了多种可用于分类的算法和方法。初看之下，这些选择似乎让人眼花缭乱。以下是一些可用于分类的主要算法：

1. 线性模型（Linear Models）：这些模型基于线性假设，通过对特征进行线性组合来进行分类。
2. 支持向量机（Support Vector Machines）：此算法通过找到最佳分隔超平面来最大化类别间的间隔，从而实现分类。
3. 随机梯度下降（Stochastic Gradient Descent）：一种高效的优化方法，可以用于训练各种模型，特别是在处理大规模数据集时。