我有一个类似于电影情节及其流派的数据集。类的数量大约为100。对于这100个类，我应该选择哪种算法？分类是多标签的，因为1部电影可以具有多种流派 请推荐以下任何人。您可以根据需要随意建议其他模型。
1.Naive Bayesian
2.Neural networks
3.SVM
4.Random forest
5.k nearest neighbours
如果您还在python中提供必要的库，这将很有用
答案 0 :(得分：2)
机器学习工程中的一个重要步骤包括正确检查数据。您可以从Herby获得一些见识，这些见识决定了选择哪种算法。有时，您可能会尝试多种算法并比较模型，以确保您在数据上尽了最大努力。
由于您没有公开数据，所以我只能给您以下建议：如果您的数据“简单”，这意味着您只需要很少的功能和它们的少量组合即可解决任务，请使用Naive Bayes或k近邻。如果您的数据“中等”困难，则使用随机森林或SVM。如果解决任务需要非常复杂的决策边界，并且需要以非线性方式组合要素的许多维度，请选择神经网络体系结构。
我建议您将python和scikit-learn包用于SVM或Random forest或k-NN。 对于神经网络，请使用keras。
很抱歉，我无法提供您期望解决问题的方法。您的问题提出的范围很广。