1.3 選擇正確的算法

前面我們了解了3類機器學習算法的異同。現在是時候回答這個問題了：如何根據具體需求選擇相應算法呢？

然而，這個問題沒有針對所有情形都普遍適用的答案，最好的答案可能是：看情況。對于不同情況都需要考慮哪些因素呢？需要考慮的主要因素來源于數據集，包括數據集的大小、質量高低以及數據間隱含的聯系。同時，也需要考慮任務的目的、算法是如何編寫的、有多長時間去訓練這些算法等。總之，沒有統一的標準，確定一個算法選取是否合理的唯一辦法就是通過使用一下試試效果。

不過，為了弄明白最適合需求的算法是什么，我們可以進行一些預備分析。通過分析數據集、現有的工具（算法）、任務目標（輸出結果）的基礎性質，我們能夠得到許多挑選算法的有用信息。

從分析數據集這個方法出發。我們可以從兩個不同的角度挑選算法——輸入和輸出。

（1）根據算法的輸入進行挑選。

● 監督學習：接收的訓練數據集中樣本既有輸入值，也有對應的標簽。

● 無監督學習：接收的訓練數據集中沒有標簽集，我們希望得到數據集中樣本間的某種關系。

● 強化學習：接收的訓練數據是通過與外界進行互動迭代式積累的，我們希望在迭代、與環境交互中優化目標函數。

（2）根據輸出進行挑選。

● 回歸問題：輸出是連續數值。

● 分類問題：輸出是離散類型。

● 聚類問題：輸出結果是輸入樣本組成的一些簇。

圖1.9展示了基于已有的數據在挑選算法時可以參考的兩個角度。

在了解了數據集的基本性質的基礎上，我們可以進一步根據已有算法分析哪些算法適合我們的輸入數據集，能夠給出想要的輸出結果，從而縮小目標算法的挑選范圍。

在了解了數據集和有了明確的算法范圍后，我們需要訓練這些算法，評估各個算法的表現。我們把選擇的算法應用到手頭的數據集上。接下來，通過一系列精心選擇的衡量算法表現的指標，我們能夠對這些算法的表現進行比較，最終選出最合適的算法。