学习笔记(一):如何选择合适的算法

xiaoxiao2021-02-28  29

http://blog.csdn.net/hubz131/article/details/78602081

一、首先要考虑的是机器学习算法的目的:

   1.预测目标变量的值:监督学习算法

       ①目标变量是离散型的,例如是/否、1/2/3A/B/C、或者红//黑等…………选择分类器算法。

       ②目标变量是连续型的,例如0.0~100.0-999~999、或者~…………选择回归算法

    2.如果不想预测目标变量的值,则可以选择无监督学习算法

        分析是否需要将数据分为离散的组

        ①如果这是唯一要求,则使用聚类算法。

        ②如火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。

二、其次要考虑的是数据问题

     主要了解数据的以下特性:      ①特征值是离散型变量还是连续型变量;      ②特征值中是否存在缺失的值,何种原因造成缺失值;      ③数据中是否存在异常值,摸个特征发生的频率如何(是否罕见如海底捞针),等等。 充分了解以上特性,可以缩短选择机器学习算法的时间。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。      
转载请注明原文地址: https://www.6miu.com/read-2150115.html

最新回复(0)