以下内容都是通过看寄《机器学习实战》这本书后进行的总结。有疏漏的地方请指正。
一般在实际问题中选择相应的算法需考虑两个问题：
第一：使用算法的目标，想要算法完成何种任务。比如预测明天下雨的概率 还是 对鸟类进行种群划分。
目的（大多数情况下）：（1）想要预测目标变量的值，可以选择 监督学习算法
分类器算法：目标是离散型的，如是/否，1/2/3 ,A/B/C之类的，
回归算法：目标变量是连续型的数值，如0.0~100.0，-999~999等
（2）不想预测目标变量的值，可以选择无监督学习算法。
聚类算法：如果唯一的要求就是将数据划分为离散的组。
密度估计算法：还需要估计数据与每个分组的相似程度。
第二：需要分析或者收集的数据是什么。
需要对数据进行充分的理解，例如 （1）特征是是离散型变量还是连续型变量，特征值中是否存在缺失的值，何种原因造成缺失，数据是否存在异常值，某个特征发生的频率如何等等。
