机器学习的主要任务
- 分类:将实例数据划分到合适的分类中
- 回归:通过给定数据点拟合最有曲线从而预测数值型数据
以上两个任务都属于监督学习,因为这类算法必须知道预测什么,即目标变量的分类信息或目标数值。
无监督学习:数据没有类别信息,也不会给出目标值
- 聚类:将数据集分成由类似的对象组成的多个类的过程
- 密度估计:将寻找描述数据统计值的过程
- 降维:减少数据特征的维度,更加直观的可视化信息
如何选择合适的算法
-
分析使用机器学习算法的目的是什么,即想要完成何种任务?
如果想要预测目标变量的值,则可以选择监督学习算法,确定选择监督学习算法后,需要进一步确定目标变量的取值类型,如果目标变量是离散取值,则可以采用分类算法,若是连续型取值则需要选择回归算法。
如果不想知道目标变量的值,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,若这是唯一需求,则选择聚类算法;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。
-
需要分析或收集的数据是什么?
特征值是离散型还是连续型?是否存在缺失的值?何种原因造成的缺失,数据中是否存在异常值,某个特征发生的频率如何等等