异常数据点检测：
One-class SVM
PCA-based anomaly detection
聚类：
K-means
预测值：
数据分类是排序的：Ordinal regression
预测事件次数：Poisson regression
预测分布：Fast forest quantile regression
快速训练，线性模型：Linear regression
线性模型，小数据集：Bayesian linear regression
精确，但训练时间长：Neural network regression
精确，快速训练：Decision forest regression
精确，快速学习，占用多内存：Boosted decision tree regression
预测两个分类（二元分类）：
大于100个特征，线性模型：Two-class SVM
快速训练，线性模型：Two-class averaged perceptron
快速训练，线性模型：Two-class logistic regression
快速训练，线性模型：Two-class Bayes point machine
精确，快速训练：Two-class decision forest
精确，快速训练，占用多内存：Two-class boosted decision tree
精确，占用内存少：Two-class decision jungle
大于100个特征：Two-class locally deep SVM
精确，训练时间长：Two-class neural network
预测多个分类（多元分类）：
快速训练，线性模型：Multiclass logistic regression
精确，训练时间长：Multiclass neural network
精确，快速训练：Multiclass decision forest
精确，占用内存少：Multiclass decision jungle
依赖于二元分类器：One-v-all multiclass
在实际应用中，先分清问题类别（值预测，分类预测，聚类），然后一一尝试该问题分类中的每种算法，最后再做决定。
参考链接 : https://azure.microsoft.com/en-us/documentation/articles/machine-learning-algorithm-cheat-sheet/