备受青睐的十大网络安全技能

1.3 如何选择合适算法

机器学习有这么多算法，面对一个问题时应该如何选择合适的算法成为了不可避免的问题，下面就来叙述两条选择合适算法的黄金法则。

1.确定使用机器学习算法的目的。

• 将数据划分为离散的组是唯一需求——聚类算法
• 除将数据划分为离散的组，还需要估计数据与每个组的相似度——密度估计算法
• 目标变量为离散型——分类算法
• 目标变量为连续型——回归算法
• 若想要预测目标变量的值——监督学习算法
• 若无目标变量值——无监督学习

2.需要分析或收集的数据是什么，了解其数据特征

• 特征值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
• 何种原因造成缺失值
• 数据中是否存在异常值
• 某个特征发生的频率如何
• ……

1.4 整体流程

不管多么复杂的内容经过前人的总结最会有一套方法论供我们这样的小白使用，下面就来阐述一下机器学习通用的流程。
 

根据目前小宇宙节目下面用户的评论深度和热度，相较于喜马拉雅节目里面到此一游式的敷衍评论，应该更有机会通过某个契机形成梅特卡夫效应。

有经验的同学可能会发现，这就是著名的 SWOT 分析。

为什么应该使用四象限来分析问题

在日常生活中，我们认识问题，常常是非此即彼。一个事情不是好事，就是坏事。一个人不是好人就是坏人。

使用四象限会强迫你把看问题的角度从一条线拉到一个面上。这样，当你考虑一个指标在横坐标上面的位置的时候，你必须还要考虑它在纵坐标上的位置。例如，在拼多多上班，如果只从赚钱快还是赚钱慢来考虑，显然它是赚钱快的方式，很多人跳槽到拼多多，月薪就会翻倍。但是如果我们再加入一个纵轴，表示风险高还是风险低，那它显然风险极高。所以，虽然赚钱快，但是我们不能选择这个方案，因为有生命危险。除了风险高低，还有人权是否受尊重、陪伴家人的时间长短、是否能够自由上厕所这些维度作为纵轴，都能看到拼多多不值得去。

如何构造这样的四象限

使用四象限分析问题，我们一般先固定一个轴，然后通过不同的纵轴来对目标进行分类。当某个纵轴让目标大致分类完成，基本满足要求以后，我们再通过修改横轴，对结果进一步微调。

例如，现在我要给女朋友买礼物，有4个候选项：1. 写一个炫酷的网页，在女朋友生日时打开给她看;2. 买一个 SK-II 的护肤套装;3. 买一个 XBox 最新版;4. 买一个戴森吹风机。

如果我们把横坐标设定为投入高低，纵坐标设置为女朋友是否高兴，那么我们可以得到如下图所示的四象限：

 

（编辑：淮南站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!