文本分类：朴素贝叶斯，例如电子邮件中垃圾邮件的识别。

训练集较小，选择高偏差且低方差的分类算法：朴素贝叶斯、支持向量机（不容易过拟合）

算法模型的计算时间短和模型易用性，不要选支持向量机、人工神经网络

重视算法的准确率：支持向量机或GBDT、XGBoost等基于Boosting的集成方法

注重效果的稳定性或模型鲁棒性，那么应选择随机森林、组合投票模型等基于Bagging的集成方法。

想得到有关预测结果的概率信息，基于预测概率做进一步的应用：逻辑回归

担心离群点或数据不可分并且需要清晰的决策规则：决策树。