如何选择合适的算法

FROM 《机器学习实战》
        必须考虑下面两个问题：一、使用机器学习算法的目的，想要算法完成何种任务，比如是预测明天下雨的概率还是对投标者按照兴趣分组；二、需要分析或收集的数据是什么。
        首先考虑使用机器学习算法的目的。如果想要预测目标变量 的值，则可以选择监督学习算法，否则可以选择无监督学习算法。确定选择监督学习算法之后 ，需要进一步确定目标变量类型，如果目标变量是离散型，如是/否、1/2/3、A/B/C等，则可以选择分类器算法；如果目标变量是连续型 的数值，如0.0~100.00、-999~999等，则需要选择回归算法。
如果不想预测目标变量的值，则可以选择无监督学习算法。进一步分析是否需要将数据划分为离散的组。如果这是唯一的需求，则使用聚类算法；如果还需要估计数据与每个分组的相似程度，则需要使用密度估计算法。
       在大多数情况下，上面给出的选择方法都能够帮助选择恰当的机器学习算法，但这也并非一成不变。第9章我们就会使用分类算法来处理回归问题，显然这将与上面监督学习中处理回归问题的原则不同。
       其次需要考虑的是数据问题。我们应该充分了解数据，对实际数据了解得越充分，越容易创建符合实际需求的应用程序。主要应该了解数据的以下特性：特征值是离散型变量还是连续型变量，特征值中是否存在缺失的值，何种原因造成缺失值，数据中是否存在异常值，某个特征发生的频率如何（是否罕见得如同海底捞针），等等。充分了解上面提到的这些数据我可以缩短选择机器学习算法的时间。
       我们只能在一定程度上缩小算法的选择范围，一般并不存在最好的算法或者可以给出最好结果的算法，同时还要尝试不同算法的执行效果。对于所选的每种算法，都可以使用其他的机器学习技术来改进其性能。在处理输入数据之后，每个算法的相对性能也可能会发生变化。一般说来发现最好算法的关键环节是反复试错的迭代过程。