Machine learning 哪种监督机器学习分类方法适合随机分布的类？

如果类是随机分布的，或者有更多的噪声，那么哪种监督的ML分类模型会给出更好的结果，为什么？

很难说哪种分类器在一般问题上表现最好。为了确定哪种分类器性能最好，通常需要对给定问题的各种算法进行测试

最佳性能还取决于问题的性质。有一个很好的答案，其中介绍了各种评分标准。对于每一个问题，都需要理解和考虑哪个评分指标是最好的。 综上所述，神经网络、随机森林分类器、支持向量机和其他各种机器都是创建有用模型的候选对象，因为正如您所指出的，类是均匀分布的。当类被定义时，规则会发生轻微的变化，因为大多数ML算法都会保持平衡

---

我的建议是尝试几种不同的算法，并调整超参数，以针对您的特定应用进行比较。你经常会发现有一种算法更好，但效果并不显著。根据我的经验，通常更重要的是如何预处理数据以及如何准备特征。同样，这是一个非常通用的答案，因为它在很大程度上取决于您给定的应用程序。

我投票结束这个问题，因为它不是关于中定义的编程，而是关于ML理论和/或方法-请参阅机器学习中的介绍和说明。