四步法，机器学习入门到掌握的学习策略

骑猪看日落 2022-09-12 05:58 138阅读 0赞

### 文章目录 ###

*  内容介绍
 *  初学者是不同的
 *  解决办法是自上而下
 *  应用机器学习过程
 *  使用Weka机器学习工作台
 *  练习，数据集
 *  更深过渡领悟

# 内容介绍 #

开始比你想象的容易得多。

在这篇文章中，我向您展示了在应用机器学习中入门的自上而下的方法。您将发现此方法的四个步骤。他们应该感到熟悉，因为这可能是你学习如何编程的自上而下的方法。也就是说，掌握基本知识，经常练习，然后在你被吸引之后再深入研究细节。

# 初学者是不同的 #

初学者对机器学习有兴趣，但不知道如何迈出第一步。他们感到困惑，因为博客和课程上的材料几乎总是在中级水平。

![在这里插入图片描述][762a17b9098b44c999c8bf59d790d944.png]

典型的书籍和大学课程都是自下而上的。他们在完成之前先教或要求数学，然后再研读几个关键的算法和理论。如果你有时间、耐心和适当的背景，这可能是一个很好的方法。而且并不是每个人都有这么多的空闲时间。

我收到了很多来自初学者的电子邮件，询问如何开始机器学习。这是一个棘手的问题，因为我可以推荐这么多的可能性和很多东西。我告诉他们不要钻研数学和不要直接回学校。

我建议的学生和专业人员几乎都是程序员，或者有工程背景，我告诉他们，有一条更有效的途径来帮助他们学习机器。

# 解决办法是自上而下 #

我对机器学习初学者的建议是采取自上而下的方法。  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBATXLmlbDmja7mnag_size_12_color_FFFFFF_t_70_g_se_x_16]

我建议初学者在投入大量的时间学习理论之前，采取一条更快的路线去发现应用机器学习的全部内容。这很有道理，而且大家都很熟悉，因为这是你首先对编程感到兴奋的方式，然后再投入其中，使它成为学习和职业的焦点。

自上而下的方法是快速学习高层次的逐步过程，通过机器学习问题，端到端使用软件工具。有了现代平台，使用复杂的最新算法、严格的验证和统计假设测试，可以在几分钟到几个小时内解决小问题，所有这些都是在工具内自动执行的。

在你熟悉和自信的过程之后，我建议你开始深入研究机器学习的算法和理论方面。怎么先，为什么以后。

我们可以将这种自上而下的方法总结如下：

*  学习应用机器学习的高级过程。
 *  学习如何使用足以解决问题的工具。
 *  在数据集上练习，很多。
 *  过渡到机器学习算法的细节和理论。

# 应用机器学习过程 #

我写了很多关于应用机器学习过程。我主张对分类和回归类型问题进行6步处理，这是大多数机器学习问题的核心问题类型。该进程如下：

1.  **问题定义** 了解并清楚描述正在解决的问题。
2.  **分析数据** 了解将用于开发模型的现有信息。
3.  **准备数据** 发现并公开数据集中的结构。
4.  **评价算法** 制定一项鲁棒测试束和基线的准确性，以提高和点检算法。
5.  **改善成果** 利用结果建立更准确的模型。
6.  **目前的结果** 说明问题和解决办法，以便第三方能够理解。

应用机器学习过程综述  
![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]

通过对您所处理的每个问题遵循这个结构化的过程，您可以强制执行最低程度的严格性，并显着地增加获得好的(或者更可能是优秀的)结果的可能性。

# 使用Weka机器学习工作台 #

初学者开始学习的软件平台是Weka机器学习工作台。

我认为决定使用Weka当开始的时候是一个完全没有头脑的人，因为：

*  它提供了一个简单的图形用户界面，封装了上述应用机器学习的过程。
 *  它便于算法和数据集的探索，以及严格的实验设计和分析。
 *  它是免费的，开源的，在GNU GPL许可下。
 *  它是跨平台的，运行在Windows、MacOSX和Linux(需要一台Java虚拟机)上。
 *  它包括最先进的算法和令人印象深刻的丰富的决策树，基于规则的算法和集成方法，以及其他。  
    ![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 1]  
    此外，如果直接进入Weka，可以从命令行运行算法，并通过应用程序编程接口将算法集成到应用程序中。它是一个可扩展的平台，您可以快速、轻松地在界面上实现自己的算法，并在GUI中使用它们。

# 练习，数据集 #

一旦你和Weka一起运行起来，你就需要练习应用机器学习的6步过程。

Weka安装包括一个包含许多标准机器学习数据集的数据目录，这些数据集大多来自实际的科学问题领域。还有大量优秀的数据集可供试用和学习。UCI机器学习库。这些数据集是您开始学习和实践的好地方。

*  这些数据集很小，很容易进入内存。
 *  数据集的小规模也意味着算法和实验可以快速运行。
 *  这些问题和数据是真实存在的，包括噪音、采样中的偏差和需要考虑的数据收集。
 *  这些数据是很好理解的，这样您就可以充分利用已知的数据，并与同行公开讨论这些数据。
 *  有已知的“好的结果”，供您比较和重新创建。  
    您可以在结构化过程的每一步中选择自己的详细级别。我建议在开始的时候，每一步不超过一小时。你可以用Weka在一个小时内做很多关于一个问题的事情，特别是在设计和运行实验的时候。这将保持你的动力和项目的高速度。

![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBATXLmlbDmja7mnag_size_12_color_FFFFFF_t_70_g_se_x_16 1]

结构化过程鼓励您在处理给定问题时进行观察，并记录结果和发现。明智的做法是将这些观察和发现放在一起，也许在项目目录或Gizub项目中。

我推荐在博客上写你的每个项目，甚至你完成项目的每一步。你可以在你自己的博客(如果你有)或者Facebook或Google+更新(现在支持图片和文本格式)上这样做。我喜欢公开博客项目鼓励的诚实。它还向您的同事和同事提供了一个指标，说明您对应用机器学习有兴趣、很认真，并开发了一些应用程序。

# 更深过渡领悟 #

因为项目很小，而且流程是结构化的，所以您可以快速地了解许多有关问题的知识，并完成许多项目。您还可以收集关于您自己的问题的数据，并使用相同的过程在工作中或为您自己的利益在项目上提供有用和有意义的结果。

下一步是深入研究算法，了解它们的工作原理以及如何从中获得更多。我建议把这本书读得更深入一些。数据挖掘：实用的机床学习工具和技术。它是由Weka平台的原始作者编写的，它提供了一个如何和为什么使用于Weka的算法，以及机器学习的其他更深层次的关注。

更深层次的知识将使您能够从平台上获得更多关于您自己的自定义问题的信息。它还将使您更好地了解weka中的方法，并开始对问题类型和算法类型之间的映射建立直觉。

[762a17b9098b44c999c8bf59d790d944.png]: /images/20220828/3a2df797ad694a3a986711f09e07e596.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBATXLmlbDmja7mnag_size_12_color_FFFFFF_t_70_g_se_x_16]: /images/20220828/1fe4cc6ca95d4297a095e574884ed99e.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBATXLmlbDmja7mnag_size_20_color_FFFFFF_t_70_g_se_x_16]: /images/20220828/8c35c2ccb18e4de1a1c5eba149c91b43.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBATXLmlbDmja7mnag_size_20_color_FFFFFF_t_70_g_se_x_16 1]: /images/20220828/eba11a49021c4c888f8ac8e52ca4d864.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBATXLmlbDmja7mnag_size_12_color_FFFFFF_t_70_g_se_x_16 1]: /images/20220828/b304186a4c5d4a0e99b91534fafdcdb9.png