# 初學者如何使用小型項目開始機器學習并在 Kaggle 上進行競爭 > 原文： [https://machinelearningmastery.com/how-a-beginner-used-small-projects-to-get-started-in-machine-learning-and-compete-on-kaggle/](https://machinelearningmastery.com/how-a-beginner-used-small-projects-to-get-started-in-machine-learning-and-compete-on-kaggle/) 了解真實的人們如何開始機器學習是很有價值的。 在這篇文章中，您將了解初學者（就像您一樣）是如何開始的，并且在應用機器學習方面取得了很大進展。 我發現這樣的采訪絕對令人著迷，因為你可以學到所有的東西。我相信你也會。  使用小項目開始 照片由 [pixonomy](https://www.flickr.com/photos/pixonomy/3019373272) 拍攝，保留一些權利。 ## 問：您使用了哪些資源來開始機器學習？ 1. Andrew Ng 著名的在線課程“[機器學習](https://www.coursera.org/learn/machine-learning)”。 2. Gareth James 等人的書“[統計學習簡介：在 R](http://www.amazon.com/dp/1461471370?tag=inspiredalgor-20) 中的應用”。 3. 在一場討人喜歡的比賽中進行認真的比賽，試圖獲得最高排名。非常激烈，很棒的學習經歷。 4. 您的簡報和博客，以及您撰寫的幾本指南。特別是“[小型項目方法論](http://machinelearningmastery.com/self-study-machine-learning-projects/)”。 這種方法很好地掌握了機器學習的不同技術的工作知識：什么技術適用于哪些場景以及每個場景的粗略理論基礎是什么。 上述方法對于理解統計學和數據分析的理論基礎沒有多大幫助，這些理論基礎是學習之外的“數據科學”的重要組成部分。 ## 問：你是如何參加 Kaggle 比賽的？ 我通過一些關于 Excel 的數據分析（所有地方）的在線課程找到了討價還價。 可能像大多數討價還價的用戶一樣，我從 R 開始著名的“泰坦尼克號”學習比賽。后來我完成了另一個入門級比賽，甚至為此寫了一個教程，引起了很多關注。 我開始以很少的編程知識深入研究整個問題。在與 R 搞混之后，一位同事和我參加了一場使用 Python 的嚴肅的討價還價比賽。 雖然學習曲線非常陡峭，但我的編程和數據分析能力確實令人驚嘆。 之后，我從數據分析中轉移，更多地集中在軟件開發上，并試圖從中創造一個（新的）職業。 比賽期間對我很有幫助的是你的網站。 作為一個粗略的指導方針，我們使用[流程中描述的工作流程來解決機器學習問題](http://machinelearningmastery.com/process-for-working-through-machine-learning-problems/)。 后來我從你網站上的其他帖子中收集了一些更有用的提示和信息，例如關于競爭機器學習的帖子[或](http://machinelearningmastery.com/how-to-kick-ass-in-competitive-machine-learning/)[關于如何擅長功能工程](http://machinelearningmastery.com/discover-feature-engineering-how-to-engineer-features-and-how-to-get-good-at-it/)的帖子。 ## 問：你如何比較 Python 和 R 在 Kaggle 比賽中的表現？ 來自 Excel 背景我發現 R 及其數據框架的概念最初更易于訪問。特別是在使用 [RStudio](https://www.rstudio.com/) 時。 然而，深入研究這個問題我覺得 Python 更舒服。 [Anaconda 發行版](http://continuum.io/downloads)提供開箱即用的包裝，包含您需要的一切： [Pandas](http://machinelearningmastery.com/quick-and-dirty-data-analysis-with-pandas/) ， [scikit-learn](http://machinelearningmastery.com/a-gentle-introduction-to-scikit-learn-a-python-machine-learning-library/) 和 iPython 筆記本。 Pandas 提供的數據框與 R 中的工作非常類似.Scikit-learn 提供了大量可隨時使用的共享 API 的機器學習工具。很多例子都是非常好的文檔。如果您同時學習編程和機器學習，這是一個巨大的幫助。 對我來說，這是 Python 相對于 R 的主要優勢之一.R 提供了大量可供使用的庫。但是，你必須自己尋找它們，并且庫的文檔通常是一種非常科學的語言，如果你是一個想要對數據集進行分類的初學者，這會讓你迷失方向。 在團隊中工作，IPython 筆記本是一個非常有用的工具，可以共享和編輯代碼。對于初學者來說，當你可以立即看到每一行的結果時，它也使代碼更容易理解。作為獎勵，許多文檔和示例都是作為 IPython 筆記本編寫的，甚至還有整本書寫在其中。 如果您不了解 IPython 筆記本，請查看 [nbviewer](http://nbviewer.ipython.org/) 。一旦你使用它，沒有它真的很難工作。 ## 問：你能詳細說說 Coursera 機器學習課程的經驗嗎？ 作為一名初學者，該課程為我提供了有關統計數據分析背后基本原理的寶貴見解。 除了高中數學之外，該課程幾乎沒有任何先驗知識，并為您提供機器學習中一些最常用技術和實踐的基本概要。 Octave / Matlab 中的作業很有挑戰性，但并不太難，社區也很有幫助。所需的編程技巧非常基礎。我會推薦給任何想要進入機器學習并且正在尋找起點的人。 在我看來，該課程的唯一缺點是它完全否定了基于決策樹或集合方法的學習方法。作為一個初學者（特別是在 kaggle），你會看到很多隨機森林和梯度助推器。本課程對您的理解不會對您有所幫助。 每周講座和家庭作業的格式使課程成為一種有益的經歷。不幸的是，他們最近將課程改為不同的格式，因此您的體驗可能會有所不同。 ## 問：你是如何利用小項目方法的？ 我早早就買了它，尋找一個角度來接近廣泛的機器學習領域作為一個初學者。 每個人都是一個不同的學習器，但對我而言，我發現在解決實際問題時我學得最好。因此，通過完成小項目來了解這個領域的想法 - 每個項目都像前一個項目一樣“更深入” - 對我來說很有意義。如果您查看 Small projects 樹并將其與我上面提到的資源進行比較，您會發現有很多相似之處。 至于學習算法：在我看來，最好的方法是實現它們。 Andrew Ng 的機器學習課程的一個重要部分包括實現流行算法的基本版本，它增強了我對“幕后”真正發生的事情的理解以及為什么它發生了巨大的變化。我認為擺弄參數和運行實驗不會給你如此清晰的畫面。當決定哪個算法最適合哪個任務以及如何優化它時，實現算法將使您更好地了解如何使用它。但最終歸結為個人偏好 對于那些尋找小型項目范圍的人來說，我絕對可以推薦參加 kaggle 的比賽。它會“強迫”你（可以這么說）研究你的機器學習工具并研究算法。您將需要兩個位于排行榜頂部附近的位置。將小項目方法與討人喜歡的比賽相結合，將使您非常快速地掌握機器學習。而且它同時很有趣。 ## 最后的話 這是一次很棒的采訪，我特別喜歡他對 Python 和 R 的經驗的誠實評論。 我知道小項目方法是一個強大的工具，看到初學者的第一手例子很好用，并獲得令人印象深刻的結果真是太棒了。 你有一個關于如何開始機器學習的故事嗎？在評論中分享！