机器学习 (machine learning)涉及多种任务，并使用不同的算法，例如线性回归、K近邻 (KNN) 和 K均值。在构建机器学习模型时，一个主要问题是选择哪种算法。
选择合适的算法是机器学习流程中的一个基础步骤。虽然经验丰富的实践者通常会尝试多种算法，但对于你的最初模型，选择过程通常始于清晰地识别你试图解决的问题类型。
从你的目标开始
缩小算法选择范围最直接的方法是查看你希望用数据实现什么。问问自己：
-
我是否有有标签数据？ 也就是说，我的数据集是否已经包含模型需要预测的正确答案或结果？
- 如果是，你可能正在处理一个监督学习 (supervised learning)问题。
- 如果否，并且你正在寻找数据本身固有的模式或分组，那很可能是一个无监督学习 (unsupervised learning)问题。
-
如果是监督学习，我需要哪种类型的输出？
- 我是在预测一个连续数值（比如房价、温度或销售额）吗？这是一个回归任务。
- 我是在预测一个离散类别或类标签（比如“垃圾邮件”与“非垃圾邮件”、“猫”与“狗”，或不同类型的客户）吗？这是一个分类任务。
-
如果是无监督学习，我正在寻找哪种模式？
- 我是否试图根据数据的特征将相似数据点聚合在一起，而事先不知道分组情况？这是一个聚类任务。
问题与算法的匹配 (基于本课程)
根据我们在这门入门课程中迄今为止讨论的问题类型和具体算法，你可以做出初步选择：
- 对于回归问题（预测一个数字）：线性回归是我们介绍的基础算法。它通过找到输入特征与连续输出值之间的最佳直线关系来工作。
- 对于分类问题（预测一个类别）：
- 逻辑回归： 尽管名字如此，它用于分类（特别是二元分类，如是/否）。它计算一个实例属于特定类别的概率。
- K近邻 (KNN)： 该算法根据新数据点在特征空间中与其“k”个最近邻居中的多数类别进行分类。它直观且在传统意义上无需复杂的训练阶段。
- 对于聚类问题（对无标签数据进行分组）：K均值聚类是我们介绍的主要算法。它的目标是将数据划分为 'K' 个不同的组，其中组内数据点彼此相似。
简单决策指南
你可以这样看待这个过程：
一个流程图，指导根据数据标签和预测目标进行初步算法选择。
这只是一个起点
对于这门入门课程，侧重于将问题类型（回归、分类、聚类）与我们学过的算法（线性回归、逻辑回归、KNN、K均值）相匹配是主要的选择方式。
请记住：
- 先求简单： 通常，最好从适合你任务的更简单算法（如这里介绍的算法）开始。如果它的表现足够好，你初期可能不需要任何更复杂的东西。
- 数据很重要： 数据本身的特性（特征数量、数据点数量、是否存在异常值）也可能影响算法选择和表现，但理解任务类型是第一个筛选条件。
- 下一步是评估： 选择并训练算法后，下一个重要步骤是评估其表现，我们很快就会介绍。评估有助于你理解所选算法是否在你的特定数据上表现良好。
在接下来的章节中，我们将使用一个库（如Scikit-learn），一旦你根据问题类型做出初步选择，它将使实现和切换这些基本算法变得相对容易。现在，请专注于正确识别你面对的是回归、分类还是聚类任务。
