python中基于动态输入数据集的通用模型创建

我正在尝试创建一个通用平台，根据上传的数据集，我需要找到适合这些数据的机器学习算法。我只从UI获取预测所需的目标变量和参数值作为输入。谁能告诉我如何根据数据集动态查找算法。

如果使用sklearn：

您必须迭代所有想要的模型，并在输出中找到最佳模型

http://scikit-learn.org/stable/auto_examples/classification/plot_classifier_comparison.html

对于每个模型，可以使用栅格搜索最佳参数来旋转模型

http://scikit-learn.org/stable/modules/grid_search.html

---

从图分类器，如何为数据集选择最适合的分类算法。另外，你能告诉我回归算法吗？@SyamalaReddy你需要比较你所有的模型。基本迭代所有模型并传递数据集，然后比较结果在其他帖子中，我看到迭代数据集的所有模型并找到平均值。选择最高均值算法作为最佳算法。这是正确的方法吗？@SyamalaReddy这取决于你将使用哪个分数。对于sklearn：它使用交叉验证分数。那么，回归也是同样的方法吗？或者我们只对所有连续值使用线性回归？