算法选择原则：
机器学习需要预测目标变量值，选择监督学习算法；否则，选择无监督学习算法。监督学习算法中，目标变量值为离散值，选用分类算法；目标变量值为连续的数值，选用回归。无监督学习算法中，若只需将数据划分为离散的租，则采用聚类算法；若还需估计数据与各个分组的相似程度，需要使用密度估计算法。
算法选择的关键是：反复试错的迭代过程。
学习数据：
要了解数据：特征值是离散变量还是连续变量；特征值中是否存在缺失；何种原因导致缺失；数据是否存在异常；某个特征发生的频率如何。
机器学习的基本步骤：
（1）收集数据；(2)分析数据；（3）训练算法；（4）测试算法；（5）使用算法。