如何进行核心机器学习

Question

我在Google云端存储中拥有大量数据（csv;大约300 GB;客户的CRM数据），我打算创建一个模型，预测我们网站上客户的回归。

我正在评估几种选择：

处理和数据清理

1. 通过pandas中的块读取数据;使用pandas方法和其他python库清理数据并创建功能;
2. 在numpy数组中逐行读取数据;使用python（没有pandas方法）清理数据和创建功能

机器学习

1. 使用一些scikit-learn方法（http://scikit-learn.org/stable/modules/scaling_strategies.html）进行增量学习以拟合数据。
2. Vowpal Wabbit
3. TensorFlow（例如逻辑回归）

从硬件方面来看，我的服务器具有8 GB RAM，并且可以访问小型（标准）Google Cloud实例。此外，我将自动执行此任务，并为日常预测创建一些数据管道。以前，我使用Pandas + Scikit学习机器学习，但在这个问题中，数据并不适合内存。

1. 我应该采取哪种方法来完成这项任务？
2. 是否有一些树算法用于增量学习（Gradient Boosting，Random Forest）？它们更为可取，因为它们具有良好的性能而无需进行大量数据准备和扩展。