如何选择合适的算法以及开发机器学习应用的步骤（2019/07/15学习总结）

选择算法：

算法的选择必须要考虑两个问题：
一、使用机器学习算法的目的是什么，想要算法完成何种任务。
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。确定为监督学习算法后，需要进一步的确定目标变量的数据类型，如果是离散型数据可选择分类算法，如果是连续型数据可采用回归算法。大多数情况下上述方法是可行的，但也不是必须的，特殊情况下也可以使用分类算法来解决回归问题。
二、需要分析或者收集的数据是什么。
开始分析之前需要充分的了解数据，主要了解以下一些特性：特征值是离散还是连续，特征值中是否存在缺失值以及缺失原因，数据中是否存在异常值，某个特征发生的频率如何等等。
注意，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结果。一般来说，发现最好算法的关键环节是反复试错的迭代过程。

开发机器学习应用程序的步骤：

1.收集数据（获取数据，方法有爬虫，设备实测数据等）
2.准备输入数据（数据要符合格式，string转int或者int转string）
3.分析输入数据（人工分析得到的数据，检查是否存在空值或异常值，将数据按照分析需求正则化、标准化或归一化，PCA特征降维，去除对结果无影响或影响较小的维度（特征），此步骤即为对原始数据的人工干预）
4.训练算法（机器学习算法从这一部开始真正学习，输入数据，调节算法的各种参数）
5.测试算法（算法的评估，测试算法的工作效果。对于监督学习，必须已知用于评估算法的目标变量，对于无监督学习，也必须用其他手段来检验算法成功率。如果结果不甚满意，则可以返回第四步改正并继续测试。如果问题与数据的收集与处理有关，则需返回第一步重新开始）
6.算法的使用（将机器学习的算法转换为应用程序，执行实际任务，以检验上述步骤是否可以在实际环境中正常工作。后期如遇到新的数据问题还要继续调整算法）

参考资料：
《机器学习实战》-------[美]Peter Harrington