一、数据探查
1、数据量大小，足够的数据对学习效果有直接影响；
2、数据缺失或乱码，缺失和乱码影响数据质量，这种情况多的话需要进行数据清洗；
3、字段类型，不同算法对数据类型要求不一致，必要时需要进行转换；
4、是否含有目标队列，决定采用监督或无监督算法，若无目标队列可以考虑用ETL（抽取（extract）、交互转换（transform）、加载（load））操作生成。
二、场景抽象
机器学习主要包括如下几个场景：
1、二分类，比如商品推荐；
2、多分类，如疾病预测；
3、聚类，比如人群划分；
4、回归，股票预测；
三、算法选择
1、确定算法范围，通过数据类型，是否有目标队列，业务适合分类算法、聚类算法还是回归算法等判断来缩小算法范围；
2、多算法尝试，尽可能尝试多算法组合，选择最优的算法；
3、多视角分析，考虑算法的运算量，鲁棒性，资源消耗等。