参考大牛的文章：
http://blog.csdn.net/han_xiaoyang/article/details/50469334
http://blog.csdn.net/han_xiaoyang/article/details/50759472
认识到机器学习的思路：
机器学习基本分为分类、聚类、回归和维度约减四个方法。可以按上图进行选择算法
流程：
1.数据分析 可视化
2.建立特征工程（包括对数据进行预处理，补充缺失值，归一化数据等）
3.拿最贴切的机器学习算法模型去验证分析
4.模型诊断
分析模型的过拟合or欠拟合 ，来不断修正算法（交叉验证）
1)过拟合：
- 增大训练样本量
- 减少特征量（自动选择）
- 增强正则化作用（L1 L2）
l2正则化，它对于最后的特征权重的影响是，尽量打散权重到每个特征维度上，不让权重集中在某些维度上，出现权重特别高的特征。
而l1正则化，它对于最后的特征权重的影响是，让特征获得的权重稀疏化，也就是对结果影响不那么大的特征，干脆就拿不着权重
2)欠拟合
- 调整你的特征
- 使用更复杂一旦的模型(比如说非线性的核函数）
3）总结为：
- 过拟合、欠拟合 判断是模型诊断中至关重要的一步。常见的方法如交叉验证，绘制学习曲线等。过拟合的基本调优思路是增加数据量，降低模型复杂度。欠拟合的基本调优思路是提高特征数量和质量，增加模型复杂度。
- 误差分析 也是机器学习至关重要的步骤。通过观察误差样本，全面分析误差产生误差的原因:是参数的问题还是算法选择的问题，是特征的问题还是数据本身的问题……
- 诊断后的模型需要进行调优，调优后的新模型需要重新进行诊断，这是一个反复迭代不断逼近的过程，需要不断地尝试， 进而达到最优状态
5.模型融合（目前本人还不太会）
一般来说，模型融合后都能使得效果有一定提升。而且效果很好。
工程上，主要提升算法准确度的方法是分别在模型的前端（特征清洗和预处理，不同的采样模式）与后端（模型融合）上下功夫。因为他们比较标准可复制，效果比较稳定。而直接调参的工作不会很多，毕竟大量数据训练起来太慢了，而且效果难以保证。