開始接觸一個機器學習的任務時，需要簡單的考慮：

1. 樣本數(shù)據(jù)集多大？

如果樣本集不大，可以考慮用簡單的LR、NB、KNN來解決，因為更復雜的學習算法很可能在樣本集上過擬合，反而不如簡單的分類器取得的效果好。

2. 有多少帶有標注的樣本?

目前的深度學習類有監(jiān)督學習算法對標記樣本的依賴比較嚴重，往往需要大量的相對clean的標記樣本。

無監(jiān)督學習可以獲取數(shù)據(jù)的分布情況，但往往無法精確的量化到可以產(chǎn)品實用的程度。

對于標記樣本很少，而未標記樣本很多的情況，可以考慮使用半監(jiān)督學習的方法。

3. 選取什么樣的特征？

對于分類問題，特征的維度多少會影響分類器的選擇，維度過高可能引起維數(shù)災難，并且減慢訓練測試的速度。維度過低可能會減少特征中的有用分類信息，降低檢測準確率。

Sparse Matrix

另一個需要考慮的問題是特征的稀疏性，高維的稀疏特征是可以采用一些特殊的分析分類方法（利用稀疏矩陣特性）進行解決的，也可以進行降維（PCA、SVD）而不至于損失太多有效特征。

4. Last but not the least -- 樣本的本身屬性

樣本是圖像、音頻或是文本？樣本的特征是否是可量化成數(shù)值的，或是用類別表示的屬性？如果問題可以用簡單的判斷邏輯解決，就沒有必要引入機器學習。

附上scikit-learn數(shù)據(jù)庫關于算法模型選擇的流程圖：

http://scikit-learn.org/stable/tutorial/machine_learning_map/index.html