1.3 如何选择合适的算法

算法对机器学习来说还是比较重要的。

选择算法时，首先考虑使用机器学习算法的目的。如果想要预测的是目标变量的值，就可以考虑监督学习算法，不然就可以考虑非监督学习算法。选择了监督学习算法之后，需要确定目标变量类型。如果目标变量是离散型，如“是/否”“3/5/9”“高/中/低”等表示状态的值，就可以选择分类器算法；如果目标变量是连续型，如“0~100”“-100~100”等，则需要选择回归算法。

其次需要考虑的是数据问题，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程序。针对数据问题可以主要看以下特性：特征值是离散型变量还是连续型变量，特征值中是否存在空值，何种原因造成这种空值，数据中是否存在异常值，某个特征发生的频率如何，等等。

机器学习可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，同时还要看看不同算法的执行结果，最终比较哪一种算法的结果是最好的，还可以用多种算法相结合来提高算法执行结果的正确率。