¿Es esta tabla Hoja de trucos de Machine Learning (para scikit-learn) una descripción precisa de cuándo se deben aplicar diferentes técnicas de aprendizaje automático?

Bueno, no es del todo grave y por alguna razón se volvió totalmente viral.
La idea es dar un bosquejo muy aproximado a alguien bastante nuevo en el tema y no pretende ser exhaustivo. Vea también mi comentario en la publicación original:
Hoja de trucos de Machine Learning (para scikit-learn), que dice que realmente no deberías tomar esto en serio 😉

La idea es principalmente dar una visión general de qué métodos podrían ser un buen punto de partida y cuál debería ser el mínimo que debería intentar. También proporciona pautas sobre qué métodos son factibles en qué tipo de conjuntos de datos.

Desafiaría un poco a Vinay por el hecho de que es específico de scikit-learn. Usé los nombres de scikit-learn (SVC en lugar de SVM), pero creo que la mayoría de los razonamientos son independientes de la implementación.

Algunos comentarios sobre las otras respuestas:

Vinay
1. Si bien la no superposición de los conjuntos puede no ser estrictamente cierta, creo que es una buena guía para las personas que son nuevas en el tema. Las personas que quieren discutir con esto claramente no son el público.

2. Es realmente difícil visualizar el preprocesamiento en este gráfico en mi humilde opinión. No me gusta esto y enfaticé su importancia en la publicación del blog. Lo mismo ocurre con la selección del modelo. Raramente he visto NNMF utilizado con éxito y es un método mucho menos extendido que cualquier otro en este gráfico.

3. Cuando escribí esto, SO no era tan popular entre el personal de sklearn 😉

A la toma:
Esto no tiene la intención de desalentar la experimentación sino alentarla. Muchas de las opciones son “Lo que es factible con esta cantidad de datos” y lo que se sabe que funciona bien.

Es una hoja de trucos para scikit-learn. Nada mas. Nada menos. ¿Hay algo blasfemo mal allí? Realmente no. ¿Es integral? Realmente no.
Si me presionan mucho para jugar al abogado del Diablo, entonces podría conjurar las siguientes casi críticas:

1: La naturaleza no superpuesta de los conjuntos etiquetados como ‘agrupamiento’, ‘clasificación’ y ‘regresión’ no es (conceptualmente hablando) aceptable para algunas especializaciones en estadísticas que conozco personalmente.

2: Han excluido los bloques de Selección de modelo y Preprocesamiento. He usado NNMF en el pasado y eso parece faltar también (dentro de Dim Reducation).

3: Añadiría otro pseudo-nodo al final de cada cuadro verde que se etiquetaría como ‘¿Resultados pobres / error inesperado?’ y vincularlos a todos a este lugar:
Preguntas más recientes de ‘scikit-learn’
Hay jedis muy versados ​​allí.

Esto no está mal, pero no hay razón para no probar múltiples métodos en su conjunto de datos para ver qué está funcionando mejor, no es una cosa mutuamente excluyente donde un algo es la opción correcta. Además de algunas reglas muy genéricas, es muy difícil predecir cuál ofrecerá el mejor rendimiento, en particular en grandes conjuntos de datos.

Así que estoy de acuerdo con Vinay, toma esta imagen por lo que es, pero no la tomes como una imagen bíblica 🙂

Parece decente, aunque mi propio trabajo se canaliza hacia el contenedor de “mala suerte”, por lo que no lo incluye todo.