Scikit-learn algorithm cheat-sheet 是一个流程图（算法速查表），旨在帮助用户选择适合其数据集的机器学习算法。该图根据数据集的属性（例如数据类型、数据量、标签类型等）和任务类型（例如分类、回归、聚类等）提供了一系列适合的算法建议。

假设我们有一批样本（样本数量少于50个），则根据算法速查表，会进入“get more data”流程，也就是样本数量不足，不建议基于这批样本进行机器学习。

再假设我们有一批样本（样本数量11万，样本CSV数据中有一列作为某个方面的数据的LABEL，即带有结果的数据），我们希望基于样本学习后，对以后新的数据进行类别预测。 那么根据流程，predicting a category(是预测类别的问题吗) ->YES(是)-> do you have labeled data(样本是否有标签)-> YES(是)。 流程至此，就到了图中的 “Linear SVC”算法位置

使用该工具选择模型算法的步骤如下：

1. 确定数据集的属性和任务类型。

2. 根据数据集的属性和任务类型在流程图中找到相应的部分。

3. 根据流程图中的建议选择适合的算法。

4. 根据所选算法的文档和示例学习如何使用该算法。

需要注意的是，该流程图只是一个参考工具，不是绝对的规则。选择模型算法时需要综合考虑数据集的实际情况以及算法的优劣势，并进行实际测试和评估。

此外，Scikit-learn algorithm cheat-sheet 的原理是基于机器学习算法的特性、优劣势以及适用场景等因素，将常见的机器学习算法分成了几个大类，并在流程图中以可视化的方式展示了它们之间的关系和特点。这为选择合适的机器学习算法提供了一个初步的参考，帮助用户在众多的机器学习算法中快速找到适合自己数据集的算法。