在 Data Munging 之后，这是预测模型中最困难的任务。但是，为了回答它，我们需要更多细节。“最佳模特”是什么意思？你想要准确性和长时间的训练吗？您是否需要一些真正快速但准确度较低的东西？他们两个之间有什么关系？你有什么特点？您是刚刚使用它们还是从它们中创建了新功能？

无论如何，我建议你花点时间阅读微软关于机器学习的完美教程。教程的一部分来理解我的意思：

回归

1. 序数回归：排序类别中的数据
2. 泊松回归：预测事件计数
3. 快速森林分位数回归：预测分布
4. 线性回归：快速训练，线性模型
5. 贝叶斯线性回归：线性模型，小数据集
6. 神经网络回归：准确，训练时间长
7. 决策森林回归：准确，快速训练
8. 增强决策树回归：准确性、快速训练

当我有类似的问题并且我不知道该选择哪一个时，我通常会根据 Microsoft 的备忘单或scikit-learn中的一个，最终选择 3-4 种不同的算法，全部尝试并选择一种或其中两个成绩最好。