<ruby id="bdb3f"></ruby>

    <p id="bdb3f"><cite id="bdb3f"></cite></p>

      <p id="bdb3f"><cite id="bdb3f"><th id="bdb3f"></th></cite></p><p id="bdb3f"></p>
        <p id="bdb3f"><cite id="bdb3f"></cite></p>

          <pre id="bdb3f"></pre>
          <pre id="bdb3f"><del id="bdb3f"><thead id="bdb3f"></thead></del></pre>

          <ruby id="bdb3f"><mark id="bdb3f"></mark></ruby><ruby id="bdb3f"></ruby>
          <pre id="bdb3f"><pre id="bdb3f"><mark id="bdb3f"></mark></pre></pre><output id="bdb3f"></output><p id="bdb3f"></p><p id="bdb3f"></p>

          <pre id="bdb3f"><del id="bdb3f"><progress id="bdb3f"></progress></del></pre>

                <ruby id="bdb3f"></ruby>

                企業??AI智能體構建引擎,智能編排和調試,一鍵部署,支持知識庫和私有化部署方案 廣告
                # 如何學習機器學習算法 > 原文: [https://machinelearningmastery.com/how-to-learn-a-machine-learning-algorithm/](https://machinelearningmastery.com/how-to-learn-a-machine-learning-algorithm/) 在電子郵件列表中出現了幾次如何學習機器學習算法的問題。 在這篇文章中,我將與您分享我多年來一直使用的策略,以逐步的方式學習和構建算法的結構化描述,我可以添加,改進并一次又一次地參考。我甚至用它來寫一本書。 這只是我個人使用的策略,我對這些積極反饋感到非常驚訝。 ## 算法描述已損壞 學習機器學習算法可能是壓倒性的。有太多的論文,書籍和網站描述了算法在數學和文本方面的工作原理。如果你真的很幸運,你可能會找到算法的偽代碼描述。 ![Implement a Machine Leaning Algorithm](img/fad376caf6ed09f82aae89068f0c3fc3.jpg) 實現機器學習算法 照 [Nic的事件](http://www.flickr.com/photos/nics_events/2227330536/sizes/l/),保留一些權利 如果你真的很幸運,你可能會找到一些建議的方法來為不同的情況配置方法。這些描述很少見,通常深埋在原始出版物或原作者的技術說明中。 當您想要從研究論文中實現一種方法時,您很快就會學到的一個事實是,幾乎從未詳細描述算法以便您重現它們。原因各不相同,從論文中遺漏的微觀決策到文本中含糊不清的總體程序,以及使用不一致的符號。 ## 獲取免費算法思維導圖 ![Machine Learning Algorithms Mind Map](img/2ce1275c2a1cac30a9f4eea6edd42d61.jpg) 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。 ## 把它拼湊在一起 要理解一個算法,你必須從不同的描述中自己理解。這是我發現成功的唯一策略。 不同的描述意味著資源,例如主要來源中方法的原始描述以及在評論文章和書籍中對原始描述進行的權威性二級解釋。 通常使用主要源發布的方法的原型實現并且讀取此代碼(通常是C,FORTRAN,R或Matlab)對于重現算法所需的細節非常有啟發性。 ## 算法描述 算法是一個研究的島嶼,在所有現實中,很難確定規范的定義。例如,它是主要源中描述的版本,還是包含“最佳實踐”的所有修復和增強的版本。 一種解決方案是從多個角度考慮給定的算法,每個角度都可以用于不同的目的。例如,算法的抽象信息處理描述可以通過各種不同的特定計算實現來實現。 我喜歡這種方法,因為它保證了在描述的每個步驟中從許多可能的情況下對算法的特定情況進行望遠鏡的需要,同時還保留了對變化描述的選項。 根據您的需要,您可以根據不同的特殊性使用許多描述。我喜歡使用的一些包括:算法的靈感,策略的隱喻或類比,信息處理目標,偽代碼和代碼。 ## 算法處方 當我開始自己的研究項目時,我認為這個問題的答案是閱讀算法上的所有內容并在代碼中創建明確的實現。也許不錯的想法,但代碼只是傳播算法的一種方式,而且它是有限的。 算法描述比計算更多。圍繞算法的元信息對于某些用例來說是非常寶貴的。 例如,算法的使用試探法嵌入在論文中。在一個地方匯總使用啟發式的概述可能意味著快速獲得足夠好的結果和對算法運行靈敏度分析數天或數周的差異。 其他示例包括用于測試算法的標準實驗數據集,算法適合的一般問題類別,以及已經為該算法識別和描述的已知限制。 ## 設計算法描述模板 算法描述模板為您提供了一種了解機器學習算法的結構化方法。 您可以從空白文檔開始,并列出所需算法類型描述的章節標題,例如應用,實現或您自己的個人參考備忘單。 要確定要在模板中包含哪些部分,請列出您想要回答的有關算法的問題,或者如果您要構建參考,請列出算法。您可以使用的一些問題包括: * 算法使用的標準和縮寫是什么? * 該算法的信息處理策略是什么? * 算法的目標或目標是什么? * 通常使用什么比喻或類比來描述算法的行為? * 算法的偽代碼或流程圖描述是什么? * 使用該算法的啟發式或經驗法則是什么? * 算法適合哪些類型的問題? * 用于演示算法的常用基準或示例數據集是什么? * 有關該算法的更多信息,有哪些有用的資源? * 首次描述算法的主要參考或資源是什么? 一旦你解決了一些問題,把它們變成章節標題。 對于每個部分標題,清楚地定義該部分的要求以及該部分中的描述將采用的形式。我希望為每個部分提供激勵性問題,一旦回答將滿足最低級別的細節。 ## 從小開始并建立起來 這種方法的優點在于您無需成為算法或研究方面的專家。只要您能找到一些提及算法的資源,您就可以開始在模板中捕獲有關算法的注釋。 您可以非常簡單地開始并收集算法的高級描述,其名稱和縮寫以及您找到的資源和他們談論的內容。從這里您可以決定是否進一步擴展描述。 您將很快得到一到兩頁的算法描述。 ## 我用它 我一直在使用算法模板。我發現這個策略實際有用的一些例子包括: * 使用描述性聚焦模板實現機器學習算法。 * 使用應用聚焦模板應用機器學習算法。 * 構建要使用的算法目錄,并參考使用通用模板。 在最后一個案例中,我將我的目錄變成了一本由我在2011年初出版的45種自然啟發算法的書。這本書被稱為[聰明的算法:自然靈感的編程秘籍](http://www.amazon.com/dp/1446785068?tag=inspiredalgor-20)(會員鏈接)。 ## 摘要 在這篇文章中,您學習了如何使用算法描述模板作為學習機器學習算法的策略。 您了解到算法描述已被破壞,有效學習算法的答案是設計滿足您需求的算法模板,并在閱讀和學習算法時填寫模板。 您了解到模板是解決壓倒性問題的有效且結構化的方法。
                  <ruby id="bdb3f"></ruby>

                  <p id="bdb3f"><cite id="bdb3f"></cite></p>

                    <p id="bdb3f"><cite id="bdb3f"><th id="bdb3f"></th></cite></p><p id="bdb3f"></p>
                      <p id="bdb3f"><cite id="bdb3f"></cite></p>

                        <pre id="bdb3f"></pre>
                        <pre id="bdb3f"><del id="bdb3f"><thead id="bdb3f"></thead></del></pre>

                        <ruby id="bdb3f"><mark id="bdb3f"></mark></ruby><ruby id="bdb3f"></ruby>
                        <pre id="bdb3f"><pre id="bdb3f"><mark id="bdb3f"></mark></pre></pre><output id="bdb3f"></output><p id="bdb3f"></p><p id="bdb3f"></p>

                        <pre id="bdb3f"><del id="bdb3f"><progress id="bdb3f"></progress></del></pre>

                              <ruby id="bdb3f"></ruby>

                              哎呀哎呀视频在线观看