我有一个网站一年的数据。我想训练一个机器学习算法，根据某些变量(例如，字数、发布时间等(预测新内容的成功。
我想获取一条新数据，输入有关它的某些特征，并获得它在网站上表现如何的概率。
此外，我想继续将未来的数据添加到训练集中，并不断训练算法，使其随着时间的推移变得更聪明。
我的问题是：我应该如何使用scikit-learn来实现这一点？
你有一个二元分类问题，即你必须决定给定的输入是否好。
尝试不同的回归算法，scikits-learn使切换算法变得非常容易，让您看到哪些有效，哪些无效。
从我的头顶上，这里有一些我会尝试的方法：
- 支持向量机 随机
- 森林(scikits中的随机树木森林(
- 回归(Ridge、Lasso、IRLS、logistic(
- 朴素贝叶斯
- k 最近邻
如何评估给定方法的质量？使用交叉验证(如果有足够的数据，则进行 10 倍，否则进行 5 倍(。scikits-learn手册中有一整节(5.1(专门用于此。
向训练集添加新数据需要重新训练模型。根据您手头的计算能力，这可能是也可能不是问题。如果你有很多例子，添加一个不会有太大变化，所以一定要用一些新例子重新训练你的算法。这将节省计算时间。
使用训练集的算法称为离线算法。另一方面，在线算法每次看到一个新示例时都会学习。如果您确实需要这个，请尝试在线方法，例如 k 最近邻。
如果你需要示例代码，scikit-learn doc 是非常有帮助的：- http://scikit-learn.org/0.10/auto_examples/linear_model/logistic_l1_l2_sparsity.html#example-linear-model-logistic-l1-l2-sparsity-py- http://scikit-learn.org/0.10/modules/linear_model.html#ridge-regression
http://scikit-learn.org/0.10/user_guide.html