最好的数据库/分类技术

Question

是否存在一些常用的强大的数据分析技术，这些技术常见且适用于各种情况下的各种数据？

例如，我需要对新数据进行分类。我已经有了它的分类。我需要尝试（我的想法示例如下）：

1. 尝试应用PCA，然后RandomForestDecisions;
2. 经由方法X（使用LIB甲在蟒）找到最显著列，然后应用Kohonen神经网络使用这种方式所有数据;
3. 尝试SVM与马尔可夫CHAINES（参见这个例子在R，和在此数学，并提高结果与该结果K最近方法;
4. 使用本工具包找到数据异常，并尝试通常反推NN（如这里）或recvent神经网络喜欢这里;
5. 结合遗传算法（像此）上线性分类器（我的意思此）。

例如，我了解到xgboost *算法赢得了很多机器学习任务和比赛。

我觉得像宇航员/宇航员潜水Infinity在当前的数据挖掘工具和算法的数量和搜索正确，但也强大的方法来可行的结果。感谢任何ML原理的结构视觉与链接）

Answer 1

你问这些是否有效的监督学习技术？如果是这样，是的，你可以尝试所有这五个，看看哪一个给你最好的结果。使用哪种方法确实取决于您的应用程序。

PCA降低了您的数据维数/功能数量。这通常是无监督学习方法（如最近邻居（特征脸等））的预处理步骤，但实际上可以与随机森林或其他决策树/装袋方法一起使用，以使您的代码更快地运行并减少方差。

SVM（http://scikit-learn.org/stable/modules/generated/sklearn.svm.SVC.html），QDA，LDA，逻辑回归（可能带有内核）是您可以尝试的许多方法之一。

为了使事情简单化，您还可以尝试训练带有一个隐藏层的神经网络，然后看看结果如何。如果你的输出层不是太大（〜10），选择一个合理的隐藏层大小（〜200），并有一个相对较大的输入层大小（约60000），这样一个网络的基本实现可以给你一个分类的准确性约97％。

但是，这又取决于你想要做什么。