我试图对一个包含离散和连续特征的例子进行分类 . 此外，该示例表示稀疏数据，因此即使系统可能已经训练了100个特征，该示例可能仅具有12个 .
用于实现此目的的最佳分类器算法是什么？我've been looking at Bayes, Maxent, Decision Tree, and KNN, but I'我不确定是否符合条款 . 我最大的支持点是支持稀疏数据集以及离散和连续特征 . 任何人都可以推荐符合这些标准的算法和实现（最好是在Python中）吗？
到目前为止我看过的图书馆包括：
Orange（主要是学术性的 . 实施效率不高或实用 . ）
NLTK（也是学术性的，虽然有很好的Maxent实现，但不能处理连续的功能 . ）
Weka（仍在研究这个 . 似乎支持广泛的算法，但文档很差，所以不清楚每个实现支持什么 . ）
Weka（Java）满足您的所有要求：
大量classification/regression算法
支持离散/连续（在Weka中称为名义/数字）attributes
处理稀疏数据：ARFF format
查看此Pentaho wiki以获取文档，指南，视频教程等链接列表......
Support vector machines？ libsvm可以在Python中使用，并且速度非常快 .
处理稀疏矢量输入，并且不介意某些特征是连续的，其他特征只是-1 / 1.（如果你有一个n路离散特征，标准的做法是将它扩展为n二进制特征 . ）
scikit-learn，Python机器学习模块支持Stochastic Gradient Descent和Support Vector machines用于稀疏数据 .
3 回答
Weka（Java）满足您的所有要求：
大量classification/regression算法
支持离散/连续（在Weka中称为名义/数字）attributes
处理稀疏数据：ARFF format
查看此Pentaho wiki以获取文档，指南，视频教程等链接列表......
Support vector machines？ libsvm可以在Python中使用，并且速度非常快 .
处理稀疏矢量输入，并且不介意某些特征是连续的，其他特征只是-1 / 1.（如果你有一个n路离散特征，标准的做法是将它扩展为n二进制特征 . ）
scikit-learn，Python机器学习模块支持Stochastic Gradient Descent和Support Vector machines用于稀疏数据 .