我現在遇到的問題到底該怎麼解決？

相信會想來加入Google開的這系列課程，不是已經是公司內部的資料分析者就是希望能夠學習資料分析的人。
前面已經提到塑造問題的重要，而在本Specialization的第二門課，Google的專家就給出了簡要的問題分類。

一般在學術(學校體系)對於目前機器學習可解決問題範疇的分類，很大一部份可以用這張圖做良好的區分。
其中，Regression及Classification因為有資料標註，又可以稱為監督式學習(supervised learning)。
而沒有標註的部分，可稱作非監督式學習(unsupervised learning)。
但有時候我們對於標註的定義並非相當清晰，又或是數量上有標註與無標註的比例相差懸殊，又有一種介於兩者間的學習，就稱為半監督式學習(semi-supervised learning)。

用哪種方法沒有定則嗎？

這絕對是個大哉問！
而課程中給了一個有趣的分布圖如下：

問題的答案給的是適合分類及回歸問題。
我想，這個答案更接近你的觀察有多細微，就有多少問題可能的變化。

• 選擇分類問題的朋友：恭喜你，你對顏色的分辨很敏感。在看到收集到的資料時，善用顏色畫出一群一群的散布點，有助於看出這層應用。
• 選擇回歸問題的朋友：恭喜你，你是有強烈大局觀的戰術提出者。整體資料的散布程度對你更有意義，大數據時代的來臨就是你的時代。

當然啦，數據這種東西，看多了感覺就來了；有心動的感覺，故事跟可能的商業模式就來了。