构建模型

线性模型、决策树、随机森林、朴素贝叶斯、支持向量机等机器算法适用于不同的数据类型和形态。
根据输入、输出数据的不同，分为如下类别。

输入分类

如果数据带有标签，那么是监督学习问题。
如果数据未标注过，那么是无监督学习问题。

输出分类

如果模型的输出是连续的数据，那么是回归问题。
如果模型的输出是离散的数据，那么是分类问题。
如果模型的输出是用输入数据划分出的簇，那么是聚类问题。

模型评估

模型评估的目的就是不断优化模型，对于分类问题，常见的评价标准有正确率、准确率、召回率、ROC曲线和AUC面积等。
对于回归问题，往往使用均方误差（MSE）等指标评价模型的效果，也使用回归损失函数作为评价指标。