如何自学人工智能? (3)

如何自学人工智能?

使用分类和回归模型从标记数据中学习。

 

非监督式学习

 

如何自学人工智能?

使用因素和集群分析模型从非标记数据中学习。

 

模型评估

 

如何自学人工智能?

根据不同的性能度量做出决策。

 

集成学习

 

如何自学人工智能?

将不同模型相结合,达到更好的性能。

 

商业应用

 

如何自学人工智能?

机器学习如何帮助不同类型的商业业务。

 

4-2 实践工具

对于初学者,我们建议采用现成可用的算法,这样可以把时间用在熟悉机器学习流程上,而不是写算法。根据你使用的编程语言,有两个不错的工具:

Python的Scikit-Learn

R语言的Caret

4-3 利用数据集实践操作

在这步需要用数据集进行搭建和调试模型的实际操作,也就是将你在“海绵模式”阶段学到的理论转变为代码。我们建议你选择UCI Machine Learning Repo,Kaggle和上的数据集开始入手:

第五步:机器学习项目

终于到了最后一步,也是很有意思的一步。目前为止,我们已经完成了:知识储备、掌握基本原理、针对性练习等阶段,现在我们准备探究更大的项目:

这一步的目标就是练习将机器学习技术应用于完整的端到端分析。

任务:完成下面的项目,依次从易到难。

5-1:“泰坦尼克号”幸存者预测

“泰坦尼克号”幸存者预测是练习机器学习时相当流行的选择,而且有非常多的教程可供参考。

5-2 从零开始写算法

我们建议你先以一些简单的方面写起:逻辑回归、决策树、k 最近邻算法等。

如果中间卡住了,这里有些小技巧可以参考:

维基百科是个不错的资源库,提供了一些常见算法的伪代码。

可以看看一些现成ML工具包的源代码,获得灵感。

将算法分为几部分。写出取样、梯度下降等的分离函数。

在开始写整个算法前,先写一个简单的决策树。

5-3 选个有趣的项目或自己感兴趣的领域

其实这应该是机器学习最棒的部分了,可以利用机器学习实现自己的想法。

如果实在没想到好点子,这里有8个有趣的初学者机器学习实践项目

结语

如果你按照这个步骤一步步扎实学习的话,相信你最终一定在机器学习方面小有成就!

我们对初学机器学习的人还有10个小小的tips:

为自己设定学习目标和期限,尽力完成。

打好学习基础,掌握基本理论。

将实践理论相结合,不要只关注某一个方面。

试着自己从头写几个算法。

多角度思考问题,找到自己感兴趣的实践项目。

多想想每个算法能产生什么价值。

不要相信科幻电影中对ML的胡吹。

别过度理会网上关于ML知识的争论。

多想想数据的“输入/输出”,多问问“为什么”。

上集智,第一时间将自己升级→→集智

最后,祝同学们学有所成!

内容版权声明:除非注明,否则皆为本站原创文章。

转载注明出处:https://www.heiqu.com/wppwzs.html