如果我不是一个好的程序员

编程是机器学习的一部分，但机器学习远不止编程。 

在本帖中，您将了解到，您不必成为一名程序员也能开始机器学习或解决复杂问题。

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，以真正理解算法的工作原理。为了充分利用算法，使其适应特定问题，这可能也是必需的。

如果我不是一个好的程序员
照片来源：mutednarayan，保留部分权利

解决问题不仅仅是算法。例如，在清晰地定义问题、准备数据和呈现结果方面还有更多的工作。即使算法也可以现成使用，并针对问题进行调整。

图形机器学习环境

您可以在不接触一行代码的情况下取得长足的进步。这是因为有很棒的软件可用。

有三个流行的机器学习环境可供您使用，它们不需要任何编程即可入门或在解决问题上取得重大进展。

• Weka：一个图形机器学习工作台。它提供了一个探索器，您可以使用它来准备数据、运行算法和查看结果。它还提供了一个实验器，您可以在其中在一个受控的环境中执行相同的任务，并设计一批算法运行，这些运行可能需要很长时间，然后查看结果。最后，它还提供了一个数据流接口，您可以在其中将算法像流程图一样连接起来。在底层，您可以将 Weka 用作 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、准备数据并运行算法。它提供了干净易用的界面来配置算法（决策树）和查看结果。此服务的最佳功能是它全部在云端，这意味着您只需要一个 Web 浏览器即可开始使用。它还提供了一个 API，如果您喜欢，可以围绕它构建应用程序。
• Orange：提供了一个用于可视化编程的设计工具，允许您将数据准备、算法和结果评估连接在一起，创建机器学习“程序”。它为环境提供了 100 多个小部件，还提供了 Python API 和库以集成到您的应用程序中。

脚本化机器学习环境

您不必成为一名出色的程序员才能编写连接组件的脚本。您可能会认为自己是一名程序员，只是不是一个非常有信心的程序员。

脚本是介于机器学习环境和更具编程密集型的解决方案（例如使用代码库）之间的绝佳中间地带。在本节中，您将回顾两个用于机器学习的脚本环境。

• Scikit-Learn：用 Python 编写的脚本环境和库，提供机器学习算法和数据预处理。它提供了大量的文档和示例供您开始。
• Waffles：一组命令行工具。如果 Orange 是一个图形编程环境，那么 Waffles 就是一个命令行编程环境。它提供了准备和可视化数据、运行算法和总结结果的工具。它用 C++ 编写，并提供了一个可以集成到更大程序中的 API。

不要从代码开始

无论您是否是程序员，我都建议您在图形和脚本机器学习环境中探索问题。

我认为不从代码开始有很多好处。通过应用算法，您可以更快地学到更多，而不是首先尝试深入理解它们。三个好处包括：

• 流程：WEKA 等平台围绕分析、准备、算法运行和结果评估的流程构建。它们可以训练您进行实验的纪律，而不是如何运行算法。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：您可以发现您以前未曾想过的数据准备步骤和您以前未曾听说过的算法。您可以探索比您需要逐一研究和实现它们，或阅读 API 文档来弄清楚有什么可用的方法多得多的方法。
• 速度：当您不必自己实现所有内容或编写代码来实现每个实验时，您可以更快地尝试更多方法。

在本帖中，您了解到您不必成为一名熟练的程序员也能在机器学习领域入门或取得进展。您了解到有许多可用选项，其中两个具体例子是图形和脚本机器学习环境。这些环境可用于学习机器学习和解决复杂问题。