做好机器学习项目需要考虑的核心问题

做好机器学习项目需要考虑的三大核心问题

一、如何根据实际项目中选择更为合适的算法？

常见的机器学习问题包括监督学习、分类、回归等问题，机器学习算法种类繁多，如何根据实际问题选择合适的机器学习算法就显得尤为重要，下面从三个方面考虑，分别为数据层面，问题层面，约束条件层面。最后介绍常用几种常用的机器学习算法。
sklearn算法流程图

（1）数据层面

数据层面要做的事情包括对数据的理解，当我们决定使用哪种算法时，我们所拥有的数据的类型和形态起着关键性的作用。有些算法可以利用较小的样本集合工作，而另一些算法则需要海量的样本。特定的算法对特定类型的数据起作用。

• 查看总结统计和数据可视化的结果（百分比，箱型图，平均数和中位数，相关系数）
• 数据处理（处理缺失值）
• 数据增强

（2）问题层面

我们面临的是个什么问题，分类，回归，预测，还是其他，按输入输出来分类

• 根据输入分类：
  如果你拥有的是带标签的数据，那么这就是一个监督学习问题。
  如果你拥有的是未标注过的数据，并且希望从中找到有用的结构