如果类别是随机分布的或者噪声较多，哪种监督机器学习分类模型会提供更好的结果，为什么？

回答：

很难说哪种分类器在一般问题上表现最佳。通常需要在给定问题上测试各种算法，以确定哪个分类器表现最佳。

最佳表现还取决于问题的性质。在 这个stackoverflow问题 中有一个很好的答案，它研究了各种评分指标。对于每个问题，都需要理解和考虑哪个评分指标最合适。

尽管如此，神经网络、随机森林分类器、支持向量机以及其他多种算法都是在您所提到的类别均匀分布的情况下创建有用模型的候选者。当类别 不平衡 时，规则会稍有变化，因为大多数机器学习算法假设类别是平衡的。

我的建议是尝试几种不同的算法，并调整超参数，以比较它们在您特定应用中的表现。您通常会发现一种算法表现更好，但不会显著优于其他算法。在我的经验中，数据预处理和特征准备的方式往往更为重要。这再次是一个非常通用的答案，因为它高度依赖于您的特定应用。