菏泽网站备案拍照,网站内存不足,外综服网站开发,手机网站特效代码目录
前言
一、理解机器学习
1.1 机器学习的目的
1.2 机器学习的模型
1.3 机器学习的数据
二、学习机器学习要学什么
2.1 学习机器学习的核心内容
2.2 怎么选择模型
2.3 怎么获取训练数据
2.4 怎么训练模型
三、机器学习的门槛
3.1 机器学习的第一道门槛
3.2 机器…目录
前言
一、理解机器学习
1.1 机器学习的目的
1.2 机器学习的模型
1.3 机器学习的数据
二、学习机器学习要学什么
2.1 学习机器学习的核心内容
2.2 怎么选择模型
2.3 怎么获取训练数据
2.4 怎么训练模型
三、机器学习的门槛
3.1 机器学习的第一道门槛
3.2 机器学习的第二道门槛
3.3 机器学习的第三道门槛 前言
对于新人来说开始学习机器学习可能会感到有些困难。例如一般会给出海一样阔的学习清单然后还需要掌握基础数学知识、学习Python编程语言、学习机器学习基础理论、实践项目、参与社区和持续学习等方面的努力等等等等等等等等等等等一大堆的“刚性要求”及“说与不说都一样的建议”。
与其说这些是学习建议或者学习指引还不如说是“机器学习劝退书”。如果不抓住主干而是繁枝杂叶那么养猪都要买上十本书看完隔壁家猪都下崽了。
下面结合实际的经验和一些真正上手人的经历今天我来分享一下机器学习上手要怎么搞。 一、理解机器学习
1.1 机器学习的目的
机器学习的目的就是通过X来预测Y
1.2 机器学习的模型
但X与Y的关系往往不知所以需要假设X与Y符合某个模型。而模型并非完全是死的它预留了一些参数例如线性模型y wx就预留了w作为参数模型是固定的(它必然是线性的)但模型不是死的可以通过参数w来调整线性关系的斜率。
1.3 机器学习的数据
模型中预留的参数如何确定这时候就依靠历史数据了求解一个参数使得模型在历史数据中预测最准确以此来确定模型的参数。 二、学习机器学习要学什么 2.1 学习机器学习的核心内容
由上而知机器学习就是选择一个模型然后再用数据训练模型以达到我们的目的---用X预测Y。因此重心就只有两个
1怎么选择模型
2怎么获取训练数据
3怎么训练
2.2 怎么选择模型
要知道怎么选择模型就必须了解模型了解更多的模型。只有桔子梨子桃子李子都吃过了才能知道现在想吃什么。所以这是一个很简单的问题 多学几个模型玩几个模型多玩玩就知道了。但是不是所有模型都要知道呢当然不是也是不可能的就像梨子桃子桔子李子柚子柿子椰子梨子橙子车厘子都未必样样吃齐一般先学着五六个常用模型就算入门了。 机器学习基本的模型包括线性回归、逻辑回归、支持向量机SVM、决策树、随机森林、聚类分析、降维等。这些模型可用于分类和回归问题如房价预测、股票走势或测试成绩等连续变化的案例。其中线性回归和逻辑回归是处理回归任务最常用的算法之一而SVM、决策树和随机森林则是处理分类任务常用的算法。 在机器学习入门阶段建议先学习一些基础模型如线性回归和逻辑回归以及一些基本的聚类方法和降维方法。然后可以根据实际问题和数据集的特点选择适合的模型进行学习和应用。同时还需要了解各种模型的应用场景、优缺点、参数设置等以便更好地应用它们解决实际问题。 2.3 怎么获取训练数据
这里的获取训练数据并非指获取最原始的数据而是指怎么获取喂给模型的数据。这就涉及到数据清洗了这里不铺开讲述只要学习了模型再看一两个案例就自然知道要把数据处理成什么样来喂给模型了。因为不同的模型所要求的数据也有个别的出入实践一两下就自然知道要求了。实践出真知
知道模型要求什么数据接下来就是数据的处理了这就是实打实打编程苦力工对于有编程基础的同学来说完全是肝的问题而不是懂不懂的问题不学自通。而对于没有编程基础的也可以根据这些数据处理要求作为编程的练习题既可以学习数据清洗又可以学习编程一举两得何乐而不为
2.4 怎么训练模型
训练模型是最简单不过的事情根据机器学习包(例如python中的sklearn)的API说明依样画葫芦就行根本不需要学习。属于动手试试就知的那种完全不会成为门槛。
API说明在哪里找官网、百度、CSDN、知乎满大街都是随便搜一下拿来就用。 三、机器学习的门槛
3.1 机器学习的第一道门槛
机器学习的第一道门槛在模型(算法)的学习上但基本学过就行。这就是个吃梨子桃子桔子李子柚子柿子椰子梨子橙子车厘子的过程吃过就知道味道了。
这个中可能会涉及到一些数学知识其实不必介怀一知半解也是没关系的不是人人都是美食家也不是人人都是水果专家一吃就知道这桃子是哪个品种有没有施药雨水有没有充足吃过就行了大概知道个味道也不影响我下次去买水果时选择哪个水果。
3.2 机器学习的第二道门槛
机器学习的第二道门槛在于实践做一个模型肯定是希望有效果的如果总是训练效果不好这不免会打击信心这时候就需要耐心与信心加持了。相信数据相信会有效果,耐心去分析问题这里必须说明很多时候都是出现在数据问题上所以需要很仔细的去了解数据分析数据清洗数据。
3.3 机器学习的第三道门槛
相信有许多迈过了第一道第二道已经入门的同学却没有继续在机器学习上走下去。为什么因为没有实践的机会对第三道门槛就是实践的机会 一份工作也好一份自己的项目也好“被需要”是很重要的 在获得实践机会后将机器学习融入生活才算真正开启了机器学习之路 其实也没写几个字却敲到手累了有机会再细说。
最后列出一些可以参考与学习的网站
《1》人工智能学习路线图2023版-黑马程序员人工智能技术路线
《2》老饼|机器学习
《3》机器学习相关电子书_天赋好书cnToFu.com
《4》1. 监督学习 - sklearn中文教程 | 编程字典 如果觉得本文有帮助点个赞吧
