在机器学习领域如何做一个好的程序员不断提升自己

ゝ一世哀愁。 2022-08-28 14:58 243阅读 0赞

### 文章目录 ###

*  内容介绍
 *  编程机器学习
 *  图形机器学习环境
 *  脚本机学习环境
 *  不要从代码开始

# 内容介绍 #

编程是机器学习的一部分，但是机器学习远远大于编程。

在这篇文章中，你将了解到你不必是一个程序员就可以开始机器学习或找到复杂问题的解决方案。

# 编程机器学习 #

机器学习算法是用代码实现的。程序员喜欢自己实现算法，以真正理解算法是如何工作的。这也可以被要求从一个为给定问题量身定做的算法中得到最大的好处。

![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBATXLmlbDmja7mnag_size_20_color_FFFFFF_t_70_g_se_x_16]

解决问题不仅仅是一种算法。例如，在明确定义问题、准备数据和显示结果方面还有更多的工作要做。即使是算法也可以从现成的应用和调整为一个问题。

# 图形机器学习环境 #

您可以在不接触一行代码的情况下获得一段很长的路。这是由于伟大的软件是可用的。

您可以使用三个流行的机器学习环境，它们不需要任何编程就可以开始或在问题上取得很大进展。

*  **Weka** ：图形机器学习工作台。它提供了一个资源管理器，您可以使用它来准备数据、运行算法和检查结果。它还提供了一个实验者，您可以在受控环境中执行相同的任务，并设计一批算法运行，可以运行很长一段时间，然后检查结果。最后，它还提供了一个数据流接口，您可以在其中像流程图一样将算法插入到一起。在幕后，您可以使用Weka作为Java库，并编写使用这些算法的程序。
 *  **BigML**：一个Web服务，您可以在其中上传数据、准备数据并在其上运行算法。它为配置算法(决策树)和检查结果提供了简洁易用的接口。这个服务最好的特性是它都在云端，这意味着你只需要一个Web浏览器就可以开始了。它还提供了一个API，以便如果您喜欢它，就可以围绕它构建一个应用程序。
 *  **Orange**：提供可视化编程的设计工具，使您能够将数据准备、算法和结果评估连接在一起，从而创建机器学习“程序”。为环境提供100多个小部件，并提供一个PythonAPI和库，用于集成到您的应用程序中。

# 脚本机学习环境 #

您不必是一个优秀的程序员来编写将组件粘合在一起的脚本。你可能认为自己是一个程序员，只是不是一个非常自信的程序员。

脚本是机器学习环境和编程密集型解决方案(如使用代码库)之间的一个极好的中间部分。在本节中，您将回顾两个用于机器学习的脚本环境。

*  **Scikit-learn**：脚本环境和用python编写的库提供机器学习算法和数据预处理。它为入门提供了大量文档和示例。
 *  **华夫饼**\*：命令行工具的集合。如果橙色是图形化编程环境，而不是华夫饼则是命令行编程环境。提供准备和可视化数据、运行算法和总结结果的工具。它是用C++编写的，并提供了一个API，可以集成到更大的程序中。

# 不要从代码开始 #

无论您是否是程序员，我建议您探索图形和脚本机器学习环境中的问题。

我认为这里的好处是不从代码开始。通过应用这些算法，你可以学到更多更快的东西，而不是先试着亲密地理解它们。三个好处包括：

*  **加工过程** 像WEKA这样的平台是围绕着分析、准备、算法运行和结果评估过程建立的。他们可以训练你在实验的学科，而不是如何运行一个算法。这使您可以专注于从问题到解决方案的路径，而不是深入学习机器学习。
 *  **发现** 您可以发现您从未想过的数据准备步骤和您从未听说过的算法。您可以探索更多的方法，而不是必须依次研究和实现每种方法或阅读API文档来确定可用的方法。
 *  **速度** 当您不需要自己实现所有的东西或编写代码来实现每个实验时，您可以更快地尝试更多的方法。

在这篇文章中，您了解到您不需要成为一名熟练的程序员就可以在机器学习领域起步或取得进展。两个具体的例子是图形和脚本机器学习环境。这些环境可以用来学习机器学习和解决复杂的问题。

[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBATXLmlbDmja7mnag_size_20_color_FFFFFF_t_70_g_se_x_16]: /images/20220828/c4610309f59b4bada2dd8cd86a3c3f63.png