# 通過創建機器學習算法的目標列表來控制 > 原文： [https://machinelearningmastery.com/create-lists-of-machine-learning-algorithms/](https://machinelearningmastery.com/create-lists-of-machine-learning-algorithms/) 任何關于機器學習的書都會列出并描述幾十種機器學習算法。 一旦開始使用工具和庫，您將發現更多。如果您認為需要了解每種可能的算法，這可能會讓您失望。 解決這種感覺并采取一些控制的簡單技巧是制作機器學習算法列表。 這種荒謬簡單的策略可以給你很多力量。您可以使用它來為您提供在處理全新問題時嘗試的方法列表。當您遇到數據集或者您最喜歡的方法沒有給您帶來好結果時，它還可以為您提供一個想法列表。 在這篇文章中，您將發現創建機器學習算法列表，如何操作，如何做好以及為什么要開始創建今天的第一個算法列表的好處。 [](https://3qeqpr26caki16dnhd19sv6by6v-wpengine.netdna-ssl.com/wp-content/uploads/2014/11/Create-a-List-of-Machine-Learning-Algorithms.jpg) 創建機器學習算法列表 照片由 [Joel Montes de Oca](http://www.flickr.com/photos/joelmontes/4762384399) ，保留一些權利 ## 處理如此多的算法 有數百種機器學習算法。 我看到這會導致兩個問題： ### 1.壓倒性的 有這么多算法可供選擇并嘗試給定的機器學習問題的事實導致一些人凍結并且什么都不做。 事實是，你不需要得到最好的結果，你只需要一個結果 - 問題的灘頭陣地 - 你可以通過[現場檢查一些算法](http://machinelearningmastery.com/why-you-should-be-spot-checking-algorithms-on-your-machine-learning-problems/ "Why you should be Spot-Checking Algorithms on your Machine Learning Problems")到達那里。 ### 2.收藏夾 因為有這么多算法，有些人會選擇一個或兩個最喜歡的算法并且只使用它們。這限制了他們可以實現的結果以及他們可以解決的問題。 收藏很危險。有些算法比其他算法更強大，但這種能力的代價是復雜性和簡約性。它們是工具，讓你的情感依戀在門口。 ## 獲取免費算法思維導圖  方便的機器學習算法思維導圖的樣本。 我已經創建了一個由類型組織的60多種算法的方便思維導圖。 下載，打印并使用它。 ## 控制算法 你需要專注，一個解決處理這么多機器學習算法問題的起點。 這包括找到邊緣并將霧推回到那里以及什么時候可以使用。這將使您對算法有一種控制感，并幫助您使用它們而不是讓您感到不堪重負。 最棒的是，您不需要成為每個算法的專家來取得進步。您根本不需要了解每個算法。 收集算法名稱等簡單信息及其適用的一般問題可以幫助您快速，自信地根據可用的機器學習算法建立熟悉程度和信心。 ## 如何建立和維護算法列表 答案是建立自己的機器學習算法列表。 我是一個列表制作者，這種方法真的照亮了我的大腦。 打開文本文件，word文檔或電子表格，然后開始列出算法名稱。就這么簡單。您還可以列出算法所屬的通用類以及它可以解決的一般問題類型。 定義自己的類別。此列表是一個工具，可幫助您了解和導航機器學習工具。自定義列表以包含您關心的算法詳細信息。 ### 要創建的算法列表的示例 以下是您可以創建的10個機器學習算法列表示例。 * 回歸算法 * SVM算法 * 數據投影算法 * 深度學習算法 * 時間序列預測算法 * 評級系統算法 * 推薦系統算法 * 特征選擇算法 * 類不平衡算法 * 決策樹算法 ### 優秀算法列表的提示 創建算法列表相對容易。困難的部分是知道你為什么要列表。 “ _why_ ”將幫助您定義要創建的列表類型以及要在列表中描述的算法屬性。 從您正在處理的當前項目或您當前的興趣開始。例如，如果您正在處理時間序列或圖像分類問題，請列出可應用于該問題的所有算法。如果您對支持向量機非常感興趣，請列出您可以找到的SVM的所有變體。 不要試圖一次性創建完美的列表。創建它并在數天和數周內不斷添加它。它是一種有用的資源，您可以一次又一次地回頭再添加，隨著您的知識和經驗的增長。 總之，創建優秀算法列表的5個技巧是： * 從您想要列表的原因開始，并使用它來定義要創建的列表類型。 * 只捕獲您實際需要的算法屬性，盡可能保持簡單。 * 從當前項目或興趣開始，并創建相關算法列表。 * 不要以抽象的完美為目標，這份清單僅供您和您的需求使用。 * 隨著時間的推移添加到您的列表中，隨著您的技能和經驗的增長而擴展。 ### 何時使用算法列表 算法列表比您想象的更有價值。 例如，您可以在處理之前從未使用過的問題類型時將其用作一種技術，例如推薦系統，面部檢測或評級系統。一個簡單的算法列表為您提供了一個要嘗試的事項列表。 在處理熟悉的問題時，您之前的偏差通常會限制您可以實現的結果。與問題域相關的算法列表可以讓您解開，甚至可以促使您獲得新的更好的結果。這并不意味著你應該嘗試所有你能找到的算法，你仍然需要合理而系統的應用。然而，列表可以提供有用的起點。 算法列表是一種工具，但您可以進一步使用它們。為了有效利用機器學習算法，你需要[研究它們](http://machinelearningmastery.com/how-to-study-machine-learning-algorithms/ "How to Study Machine Learning Algorithms")，[研究它們](http://machinelearningmastery.com/how-to-research-a-machine-learning-algorithm/ "How to Research a Machine Learning Algorithm")，甚至[描述它們](http://machinelearningmastery.com/how-to-learn-a-machine-learning-algorithm/ "How to Learn a Machine Learning Algorithm")。這是算法列表方法的自然擴展，您的列表可以為您的自學課程提供基礎。 您可以從收集有關每種算法的其他屬性開始，并將列表擴展為算法的小型百科全書，每個算法一頁。我使用算法描述模板并專注于我將發現有用的模板元素，因為我回顧未來的描述，例如偽代碼和使用啟發式。 總之，您可以使用算法列表的3個示例是： * 當你開始處理一類新問題時。 * 當您遇到困難或尋找算法來嘗試現有問題時。 * 當您正在尋找更詳細或研究的算法時。 ## 任何人都可以創建機器學習算法列表 您無需深入研究機器學習教科書或開源庫。一個簡單的谷歌搜索或瀏覽維基百科將發現許多算法名稱，以啟動您的列表。 如果您仍然堅持為第一個列表創建的內容，請選擇上面的示例之一或瀏覽 [DataTau](http://www.datatau.com/) 等網站，并選擇要在文章或文章標題中提及的列表算法。 同樣，您不必列出可列出的每個算法，將范圍縮小到您喜歡的庫和工具中的算法范圍。您不需要列出每個算法的每個排列，例如，您可以關注算法的一個方面，例如SVM的內核函數或神經網絡的傳遞函數。 不要列出每種算法的所有可能功能。堅持只是名稱，也許是算法的一般類別和可以使用的一般類型的問題。如果您想深入研究算法，請考慮前面描述的[算法描述方法和模板](http://machinelearningmastery.com/how-to-learn-a-machine-learning-algorithm/ "How to Learn a Machine Learning Algorithm")。 您還不需要了解算法，也不需要成為學者。這是一個灘頭陣，你正在采取擴展你的想法，克服壓倒性，并最終為你的旅程提供更深入的應用機器學習的出發點。 ## 行動步驟 在這篇文章中，您了解了創建機器學習算法列表的簡單策略。 您發現這個簡單的策略可以幫助您克服算法的壓倒性，并幫助您擺脫擁有最喜歡的算法的危險。 此帖子的操作步驟是創建您的第一個算法列表。選擇一些小的東西，比如算法的子類。選擇一些有趣的東西，就像現在熱門的算法一樣。 如果您愿意（或列表的內容）分享您的列表，它將有助于激勵他人。