scikit-learn中提供了许多监督分类算法，但我找不到关于它们在大数据集上的可扩展性信息。例如，我知道支持向量机在处理大型数据集时表现不佳，那么其他算法呢？哪些监督/半监督分类算法最适合处理大数据集？

回答：

如果你专门寻找sklearn中的分类器，可以查看这个链接：大数据集的扩展策略。

一般来说，这些分类器通过创建小批量数据在你的数据集上进行增量学习。以下是一些参考链接：

增量学习链接

• 关于增量学习的高级机器学习讲座
• 流数据的机器学习
• 增量学习
• 微软关于增量学习的论文

你可以查看这些SKlearn中的分类器以获取更多信息

• SGD分类器
• 被动攻击性分类器
• 多项式朴素贝叶斯增量学习
• 伯努利朴素贝叶斯

如果你的数据是以流的形式输入的，你可以查看Apache Spark Streaming，并跳转到Apache Spark中的MlLib获取更多信息。

你还可以查看特征哈希器，了解sklearn中大规模特征哈希的使用方法。