首先給大家介紹一個很好用的學習地址：https://cloudstudio.net/columns

在上一節中，我們已經完成了對所有經過均衡和清洗的菜品數據的準備工作。接下來，我們將考慮使用多種算法，也就是不同的分類器，來構建模型。我們將利用這個數據集和各種分類器，基于一組特定的配料，預測這些菜品屬于哪個國家的美食。

在這一過程中，你將深入學習如何評估和權衡不同分類算法的優缺點，以及如何選擇最適合當前任務的模型。

選擇你的分類器

Scikit-learn 將分類任務歸類為監督學習的一部分，其中包含了多種可用于分類的算法和方法。初看之下，這些選擇似乎讓人眼花繚亂。以下是一些可用于分類的主要算法：

1. 線性模型（Linear Models）：這些模型基于線性假設，通過對特征進行線性組合來進行分類。
2. 支持向量機（Support Vector Machines）：此算法通過找到最佳分隔超平面來最大化類別間的間隔，從而實現分類。
3. 隨機梯度下降（Stochastic Gradient Descent）：一種高效的優化方法，可以用于訓練各種模型，特別是在處理大規模數據集時。