在AI股票量化交易里，评估和选择合适的机器学习算法可以从以下几个方面入手：

首先要明确目标与数据特点。若想预测股票价格走势，适合选用回归算法；若要判断股票是涨是跌，分类算法更合适。同时了解数据特性，像数据量大小、数据分布等，若数据量小，复杂算法易过拟合，简单算法可能更有效。

接着评估算法性能。用历史数据进行回测，观察算法的准确率、召回率、均方误差等指标。还可以做模拟交易，测试算法在不同市场环境下的表现。例如在熊市、牛市分别测试，看算法能否稳定盈利。

考虑算法的可解释性也很重要。在股票交易中，能理解算法的决策依据十分关键。像线性回归、决策树等算法可解释性较强，能清晰看出各因素对结果的影响。

计算资源和运行效率也不容忽视。一些复杂算法如深度学习算法对计算资源要求高、运行时间长，要结合自身硬件条件和交易频率来选择。如果是高频交易，就需要运行速度快的算法。

最后，可以多参考行业经验和研究成果。看看其他量化交易者使用了哪些算法，以及相关学术研究中的推荐，综合对比后做出选择。