我正在阅读Vowpal Wabbit的文档，但它并未说明如何选择特定的学习算法（不是损失函数），如SVM、神经网络、决策树等。如何选择特定的学习算法呢？

或者说，它是根据问题类型（回归/分类）自动选择算法的，就像一种自动机器学习或低代码机器学习库那样吗？

有一些博客展示了如何使用-nn命令来使用神经网络，但这并不在文档中提及——这是因为它不关注特定算法吗？如上所述，如果是这样，那么Vowpal Wabbit本质上是什么？

回答：

Vowpal Wabbit基于在线学习（类似SGD的更新，但如果你真的需要批量优化，也可以使用--bfgs）和（机器学习）简化。查看一些教程或论文以理解简化的概念。许多VW论文还涉及到上下文匪徒问题，这被实现为对成本敏感的一对所有（OAA）分类的简化（进一步简化为回归）。查看一个简单的简介或一个简单的示例，展示如何将二元分类简化为回归。

据我所知，VowpalWabbit不支持决策树和集成学习，但可以查看--boosting和--bootstrap。它不支持SVM，但可以查看--loss_function hinge（铰链损失是SVM的两个关键概念之一）和--ksvm。它不支持神经网络，但--nn（和相关选项）提供了非常有限的支持，模拟单隐藏层（前馈并使用tanh激活函数），可以添加到简化堆栈中。