最适合这个问题的机器学习算法？

Question

我有一个数据集，我想决定将哪种 ML 算法应用于我的给定问题。

客户需要填写一份包含 50 个问题的评估问卷。问题的例子是，你的工作是什么，以前的工作经历，你赚多少钱，你是否被拒绝贷款等等，最终目标是决定是否应该拒绝。

我有大约 500 个条目供我的算法学习，我已经对我的数据集进行了预处理，并将输入转换为一个 numpy 数组，我想知道什么是最好的算法？我应该在 tensorflow 中使用分类算法还是神经网络，如果是后者，我应该使用哪些层？

谢谢

Answer 1

以xgboost 或random forest 开头怎么样？ - 如此简单的“旧”ML？ 好处是您可以在训练后可视化模型的决策树。

如果在 tensorflow 中使用 NN（或者更简单：带有 tensorflow 后端的 keras），您可以使用 MLP（多层感知器），因为问题答案在输入中的位置是固定的。你不需要很多层。

重要的是您按列对输入数据进行规范化，以便输入数字分别不会比 +1/-1 大/小很多。介绍性书籍虽然很重要，但经常忽略这一点。

由于您的目标标签是“接受”或“拒绝”，二元分类器会执行此操作（在机器学习方法中也是如此）。 （您使用 0 和 1 作为标签）。

对于 NN，您不需要进行如此多的层或神经元的分类。首先尝试最小的网络。假设第一层有 10 个神经元，下一层有 7 个神经元（可能更少），然后是 1 个输出神经元用于二元决策。

对于 Keras，这将是：

from keras.models import Sequential
from keras.layers import Dense

def create_mlp(n_input = 500): # number of columns of input data 500 here
    model = Sequential()
    model.add(Dense(10, input_dim=n_input, kernel_initializer='normal', activation='relu')) # init = kernel_initializer
    model.add(Dense(7, kernel_initializer='normal', activation='relu'))
    model.add(Dense(1, activation='sigmoid'))
    model.compile(optimizer='adam',
                  loss='binary_crossentropy',
                  metrics=['acc'])
    return model

model = create_mlp(500) # this will generate the correct NN compiled.

您的数据框（或 Numpy 输入数组必须将样本作为行， 这些列是针对问题 1 列的每个答案。 您必须以数字形式编码的答案。数字应该很小——最好在 -1 和 1 之间。神经网络不喜欢大数字。因此，按列归一化会有所帮助。）

就是这样。我去年学到了所有这些东西。祝学习顺利。这会很有趣！