1.選擇算法的重要性
我們選擇算法是為了更有效地處理這個問題。在我們充分了解數據及其特征之後，它可以幫助我們更有效地選擇機器學習算法。使用某個流程可以縮小算法的選擇範圍，讓我們少走彎路。但是，就選擇哪種算法而言，壹般不存在最佳算法或能給出最佳結果的算法。在實際做壹個項目的過程中，這個過程往往需要多次嘗試，有時會嘗試不同的算法。但是對於新手來說，選擇算法還是按照下面說的算法來選擇。
2.選擇算法的步驟
總的來說，選擇算法是壹件比較麻煩的事情，但也不是不能選擇，需要我們非常謹慎的選擇，這樣才能選擇到合適的算法，更好的處理問題。選擇算法首先需要分析業務需求或者場景。完成這壹步後，我們需要探索數據，看看是否需要預測目標值。如果是這樣，那麽使用監督學習。當然，在使用監督學習的時候，如果找到了目標變量，如果是離散的，那麽就使用分類算法。如果是連續的，那就用回歸算法。當然，如果我們發現不需要預測目標值，那麽我們就使用無監督學習。具體使用的算法有K- means算法、層次聚類算法等算法。
3.3的優點。SQL spark算法
有壹個很常見也很實用的算法，就是SQL spark算法。Spark SQL算法有強大優秀的機器學習庫，也可以用於圖像處理和流式處理工具，優勢非常明顯。
(1)該算法可以與Hadoop、Hive、Hbase等無縫連接。:Spark可以直接訪問Hadoop、Hive、HBase等的數據。，並且還可以使用Hadoop的資源管理器。
(2)在完整的大數據生態中，有大家熟悉的SQL風格的操作組件Spark SQL，也有強大優秀的機器學習庫、圖像計算和流處理的算法。
(3)在高性能大數據計算平臺中，數據加載到集群主機的分布式內存中。數據可以快速轉換叠代，後續的頻繁訪問需求可以緩存。基於內存操作，Spark可以比hadoop快100倍，在磁盤中的操作比Hadoop快10倍左右。
本文介紹了用機器學習方法處理問題時，如何選擇合適的算法以及spark算法的優點。相信妳對如何選擇算法有了更清晰的認識？祝大家早日學習成功，學以致用。