你知道如何在7种不同类型中选择合适的机器学习算法吗？

This is a generic, practical approach that can be applied to most machine learning problems:

• 1-Categorize the problem

下一步是对问题进行分类。
按输入分类：如果是标记数据，则是监督学习问题。 如果它是用于查找结构的未标记数据，那么这是一个无监督的学习问题。 如果解决方案意味着通过与环境交互来优化目标函数，那么这就是强化学习问题。
按输出分类：如果模型的输出是数字，那就是回归问题。 如果模型的输出是一个类，那就是分类问题。 如果模型的输出是一组输入组，则这是一个聚类问题。

• 2 Understand Your Data

数据本身不是最终游戏，而是整个分析过程中的原材料。 成功的公司不仅可以捕获并访问数据，而且还能够获得能够推动更好决策的洞察力，从而实现更好的客户服务，竞争优势和更高的收入增长。 理解数据的过程在为正确的问题选择正确算法的过程中起着关键作用。 一些算法可以使用较小的样本集，而其他算法则需要大量和大量的样本。 某些算法使用分类数据，而其