我如何开始机器学习？（简短版）

我每天都会收到询问这个问题的电子邮件

如何开始机器学习？

这篇文章提供了我的简短回答。这是我的详细回答。

所以，这是快速了解机器学习入门的方法。

练习创建预测模型

你对机器学习感兴趣，但你不确定你想要达到的具体目标。

• 也许你对学习更多机器学习算法感兴趣。
• 也许你对进行预测感兴趣。
• 也许你对解决复杂问题感兴趣。
• 也许你对创建更智能的软件感兴趣。
• 也许你甚至对成为一名数据科学家感兴趣。

我有一个建议……

给定一个数据集，学会如何可靠地创建准确的模型。

• 你将了解机器学习算法的类型和行为。
• 你可以直接使用由此产生的预测。
• 你可以培养能力来解决你的复杂问题。
• 你可以在你的软件中使用这些模型。
• 你可以在 Kaggle 等竞赛中使用这些模型。
• 你可以使用这些结果来展示你在应用机器学习方面的技能。

这是具体的步骤

你会被告知要学习数学、阅读教科书和研究理论。

也许这条路对学者来说很好。我称之为机器学习入门的“由下而上”的方法。

这不是唯一的途径。还有其他方法。

机器学习入门的“由上而下”方法

以下是入门步骤

1. 相信。要知道你可以通过练习解决问题（自上而下）而不是研究理论（自下而上）来学习机器学习。
2. 选择一个流程。选择一个系统性的流程，从头到尾地解决一个机器学习问题，你可以用它来可靠地在任何你遇到的问题上取得好结果。
3. 选择一个工具。选择一个工具或平台，你可以用它来实际解决问题，并将其映射到你选择的系统性流程。
4. 选择一个数据集。选择要处理的数据集并练习流程。理想情况下，选择你想要练习的问题的属性，并找到具有这些特性的、被充分理解的数据集进行练习。
5. 建立一个作品集。以半正式的工作产品（博客文章、演示文稿、技术报告）撰写你的成果和学习经验，并公开分享，以展示你不断增长的机器学习技能和能力，并与志同道合的从业者互动。

一种更好的学习机器学习的方法，从端到端地解决机器学习问题开始。

一旦你确定了流程和工具，就重复步骤 4，并在步骤 5 中建立你的作品集。

以下是你可以具体做的事情

流程很好但对你来说不够具体？

让我们说得更具体一些。

1. 相信。承认你拥有限制性信念，这些信念正在阻碍你。
2. 流程。使用我的流程。使用这个分类问题处理清单。
3. 工具。使用WEKA。它提供了大量的算法和图形用户界面，并且不需要任何编程。这里有一个关于创建第一个分类器的教程。
4. 数据集。从 UCI 机器学习库中选择数据集。这篇文章将帮助你按属性选择数据集。从鸢尾花数据集开始。
5. 作品集。查看这篇解释如何构建机器学习作品集的文章。

加载鸢尾花数据集的Weka Explorer界面

行动步骤

有很多不开始机器学习的理由。

我没有数学基础。我不会编程。等等，等等。

如果你想开始机器学习。现在就开始。停止准备开始！

如果你想深入了解我认为你应该如何开始机器学习，请阅读我题为“程序员的机器学习”的文章。它包含更多细节。

您有疑问或疑虑吗？请留言。