在机器学习领域，“没有免费的午餐”是一个不变的定理。简而言之，没有一种算法是完美的，可以作为任何问题的最佳解决方案。认清这一点，对于解决监督学习问题（如预测建模问题）尤其重要。
我们不能总说神经网络就是比决策树好，反之亦然。影响算法性能的因素有很多，比如数据集的大小和结构。
因此，对于自己的问题，要尝试多种不同的算法，并使用测试数据集来评估各个算法的性能，以选出效果最优的那一个。
当然，前面所尝试的算法必须要适合自己的问题，这也正是你要选对正确的机器学习任务的地方。比如，需要打扫房子的时候，你会使用真空吸尘器、扫帚或拖把，但绝不应该用铲子在屋内挖坑。
▌重要的原则
话虽如此，但所有用于预测建模的有监督机器学习算法却有一个共同的原则：
机器学习算法的本质是找到一个目标函数（f），使其成为输入变量（X）到输出变量（Y）之间的最佳映射：Y = f（X）