使用食谱快速开始使用任何机器学习工具

如何才能最好地使用机器学习工具进行准确预测？

您选择和使用机器学习工具只是为了让您的机器学习项目更加轻松。这些工具旨在帮助您构建能够做出准确预测的模型。

了解如何在过程中最好地使用它们很重要。

在本文中，您将发现一个简单的 5 步流程，您可以使用该流程将任何机器学习工具映射到应用机器学习的过程中。

通过程序化地使用该工具，您可以创建可遵循或可复制的逐步食谱，用于当前和未来的项目，以快速获得该工具的最佳结果。

机器学习食谱
摄影：Mathew Packer，部分权利保留。

利用您的工具进行准确预测

机器学习工具具有许多功能和能力，其中大多数都难以理解或隐藏在文档的墙壁后面。

您应该使用机器学习工具的哪些功能？

为了构建准确的预测模型，了解如何最好地使用您选择的机器学习工具至关重要。您需要知道工具的哪些功能与您在任何项目中遵循的应用机器学习过程相关，以便做出准确的预测。

如何在项目中使用每个功能？

每个功能都可以配置，并且在文档中的描述不一致，或者根本没有描述。您需要了解如何在项目中使用该工具的每个功能。您不能每次都重新学习或从上一个项目的具体细节中复制粘贴。

将工具功能映射到项目任务

解决方案是提前完成工作，一次性了解如何最好地利用每个功能来服务于您的项目。

您需要识别那些可能为应用机器学习过程的特定子任务提供结果的功能。这种映射提供了值得进一步了解和弄清楚的功能的简短列表。

一旦您弄清楚了如何在您的流程和项目中很好地使用每个功能，您就可以为它创建一个简短的可重用程序。这可能是一个要执行的操作的分步编号列表，或是一个小代码示例，您可以复制粘贴并用作起点。

总而言之，这些食谱提供了使用该工具的最佳实践指南，并为您的当前或未来项目提供了入门帮助，以充分利用该工具。

程序化任何机器学习工具

您需要使用系统化的流程来程序化机器学习工具。

快速 5 步流程

1. 选择工具。选择您想要程序化的工具。这可能是您已列出或之前描述过的工具。它甚至可能是您经常使用的工具，并且您希望标准化使用方式。
2. 规划流程。规划与该工具相关的应用机器学习过程中的步骤。在文本文件中进行可能很有帮助。特别是过程中的步骤以及每个步骤下可能由该工具支持的任何任务。
3. 将功能映射到任务。查看工具的功能，并将其映射到您在上一步中概述的机器学习项目任务。在文本文件中，在每个任务下列出相关的工具功能可能会有所帮助。
4. 研究功能。研究工具的每个映射功能，并发现如何使用它。这可能包括阅读 API 文档和查看教程。找出您需要知道什么才能在应用机器学习项目的离散任务中使用该功能。
5. 创建程序。为使用每个映射功能创建一个程序。这可能是一个带有编号列表的食谱。或者，这可能是一个完整的、独立的、最小化的使用该功能的代码示例。
   收集所有这些食谱将为您提供一个入门指南，以便在任何应用机器学习项目中最佳地使用该工具进行准确预测。

程序化工具的技巧

以下是 9 个技巧，您可以使用它们为机器学习工具创建出色的程序。

• 关注任务。不要程序化机器学习工具的每个功能。这会浪费您的时间。只关注工具所涵盖的应用机器学习过程中的那些任务。
• 关注结果。食谱必须产生结果。对于算法来说，这将是一个预测；对于分析来说，可能是一张图。
• 保持简单。不要程序化工具提供的功能或技术的所有变体。专注于一个，并尽可能使程序尽可能小，以展示一个结果。
• 可读性优于效率。不要纠缠于最佳实践代码标准或极端细节。使食谱易于阅读和简单。它们并非用于生产使用，仅作为使用该工具的起点。
• 复制粘贴食谱。每个食谱都必须是完整的，以便可以复制粘贴并立即运行。
• 使用简单的标准数据集。在需要演示工具功能时，使用小型、易于理解的数据集。可以考虑使用 UCI 机器学习库中的数据集。
• 保持更新。程序化工具后，可以考虑将其与工具的新版本保持同步。即使是频繁刷新程序也能帮助使其更小、更简洁。
• 使用修订控制。考虑将程序存储在修订控制系统中。如果程序旨在供整个团队使用，这是一个好策略。它还允许它们异步更新和同行评审。
• 示例输出。考虑为食谱提供示例输出，以说明预期结果。这对于更具视觉效果的食谱（如数据分析和绘图食谱）可能很有用。

案例研究

以下是 3 个程序化工具的案例研究，您可能会发现它们很有用。

• 图形用户界面。您可以为带有图形用户界面的工具创建食谱，方法是写下获得可重复结果所需的鼠标点击食谱。
• 算法库。如果您正在程序化机器学习算法库，请提供一个运行库中每个算法的简短代码食谱。
• 平台。如果您正在程序化平台，那么可以考虑为应用机器学习过程中的每个步骤创建食谱，以及完整的端到端案例研究，展示子任务如何协同工作。

您可以程序化机器学习工具

您无需成为程序员。您可以程序化不需要任何编程的工具，例如提供图形用户界面和命令行界面的WEKA 机器学习工作台。

您无需成为该工具的专家。您可以研究在应用机器学习过程的任务中使用该工具的特定功能所需知识。您只学习您需要的，在您需要的时候学习。

您无需成为机器学习专家。您可能会遇到您不完全理解的模型和技术。这很好，它会拓宽您的视野。您仍然可以程序化如何使用这些功能。通过这样做，您将获得对这些技术可以产生的结果类型的实际理解。您也可以在以后更详细地研究它们。

您无需成为作家。使用项目符号并创建一个可遵循的分步食谱。对于编程库，请创建可以复制粘贴的完整代码示例。

总结

在本文中，您了解了如何通过为应用机器学习过程创建程序来充分利用机器学习工具。

该工具的程序可以用于您的项目，以最佳方式满足您的需求。它们也可以用作未来入门新项目的指南。

程序化机器学习工具的过程分为 5 个快速步骤

1. 选择您想要程序化的工具。
2. 规划与工具相关的应用机器学习过程中的任务。
3. 将工具的功能映射到应用机器学习项目过程中的任务。
4. 研究工具的每个映射功能并学习如何使用它。
5. 为工具的每个映射功能创建一个程序，您可以使用该程序快速获得结果。

你的下一步

您的下一步是程序化一个机器学习工具。

1. 选择一个您想要程序化的工具。
2. 使用上述流程创建一个程序，即使它只针对一个任务。
3. 分享您的成果，我很想看看您有什么发现。

您对此过程有任何疑问吗？给我发电子邮件或发表评论。