模型如何选择
今天收到一面试，做笔试题目，有一道实操题，其中正样本138例，负样本30000多，样本严重不均衡，正负样本均衡后(1:1)一共才不到300样本，22233，一时间陷入两难境地，数据太少模型如何选择问题。先上xgb，然后auc是0.5…
抓狂ing，最后试了SVM和贝叶斯，auc还不错，到了0.8，具体模型如何选择呢，我们看下下面一张图[3]：
在上图中，我们对模型选择有一个初步认知。从start看起，先看数据集是否>50。如果已经确定该类问题的种类是分类／回归／聚类，我理解也可以直接从各个类别的input开始看起。比如，分类问题可以直接从数据量是否大于100K开始看如何选择模型。对于正负样本不足300的example来说，数据量<100K，故而选择了LinearSVC。又因为不是文本数据，因此，另一种模型就选择了KNN。
Ref:
1、https://cloud.tencent.com/developer/article/1077215
2、https://bigdata-ny.github.io/2016/09/20/visual-tools-for-machine-learning-part-2/
3、http://scikit-learn.org/stable/tutorial/machine_learning_map/index.html