machine-learning - 选择机器学习训练方法

Question

我有以下已标准化的数据:

• 客户 ID
• 客户年龄
• 客户位置
• 房主
• 汽车谷
• 风险因素
• 已婚
• 打包
• 包b
• 包c

根据上述所有因素，我想预测哪些软件包；无论是 A、B 还是 C，客户都可能购买。

但是，我有点迷失在众多选择中。训练方法有很多，例如线性感知器、遗传算法、时间序列预测、自关联网络等等。

我如何知道哪一个最适合解决此类有多个输出的问题？

编辑:

我的问题是基于这样的假设，即针对这种特定场景有一个最佳策略，因为我知道某些算法在某些场景下会更常用，例如遗传算法经常在手写识别程序中使用。

Answer 1

所以我建议查找 no free lunch theorem 。实际上，您无法轻易地确定问题的“最佳分类器”。就我个人而言，我会使用 scikit-learn 并通过适当的训练、测试和交叉验证集测试一堆分类器，看看最佳结果是什么样的。

另外，这取决于您的情况。用户是否可以购买多个套餐？