# 我如何開始機器學習？ （簡短版） > 原文： [https://machinelearningmastery.com/how-do-i-get-started-in-machine-learning/](https://machinelearningmastery.com/how-do-i-get-started-in-machine-learning/) 我收到每日電子郵件詢問的問題： > 我如何開始機器學習？ 這篇文章提供了我的快速回答。 [這是我的答案](http://machinelearningmastery.com/machine-learning-for-programmers/)。 所以這里是如何開始機器學習，快速版本。 ## 練習創建預測模型 您對機器學習感興趣，但您不確定您正在尋找的具體結果。 * 也許您有興趣了解有關機器學習算法的更多信息。 * 也許你對創建預測感興趣。 * 也許你對解決復雜問題很感興趣。 * 也許你對創建更智能的軟件感興趣。 * 也許你甚至有興趣成為一名數據科學家。 我有個建議...... 給定數據集，學習如何可靠地創建準確的模型。 * 您將了解機器學習算法的類型和行為。 * 您可以直接使用結果預測。 * 您可以構建能夠解決復雜問題的技能。 * 您可以在軟件中使用這些模型。 * 您可以在比賽中使用模型，例如 Kaggle 上的模型。 * 您可以使用結果來展示您在應用機器學習方面的技能。 ## 這是一步一步做什么的 你將被告知學習數學，閱讀教科書和學習理論。 也許這條路對學術界有好處。我稱這種方法是自下而上的方法來開始機器學習。 這不是唯一的途徑。還有其他方法。 ### 自上而下的機器學習入門方法 以下是入門步驟： 1. **相信**。知道你可以通過練習解決問題（自上而下）而不是學習理論（自下而上）來學習機器學習。 2. **選擇一個過程**。選擇一個系統的過程，從頭到尾處理機器學習問題，您可以使用它來可靠地獲得您所處理的任何問題的良好結果。 3. **選擇一個工具**。選擇可用于實際解決問題的工具或平臺，并將其映射到您選擇的系統流程。 4. **選擇一個數據集**。選擇要處理的數據集并練習該過程。理想情況下，選擇要練習的問題的屬性，并找到具有要練習的特征的充分理解的數據集。 5. **建立投資組合**。在半正式的工作產品（博客文章，演示文稿，技術報告）中寫下您的結果和知識，并公開分享，以展示您不斷增長的機器學習技能和能力，并吸引志同道合的從業者。 [](https://3qeqpr26caki16dnhd19sv6by6v-wpengine.netdna-ssl.com/wp-content/uploads/2015/08/Machine-Learning-for-Programmers-A-Better-Approach-e1439699675138.png) 學習機器學習的更好方法，從端到端的工作機器學習問題開始。 一旦您確定了流程和工具，請重復步驟 4 并在步驟 5 中構建您的投資組合。 ## 這是具體你能做什么 好的過程，但不夠具體到你？ 讓我們更具體一點。 1. **相信**。承認你有[限制信念](http://machinelearningmastery.com/what-is-holding-you-back-from-your-machine-learning-goals/)阻礙你。 2. **處理**。 [使用我的程序](http://machinelearningmastery.com/process-for-working-through-machine-learning-problems/)。使用此[清單](http://machinelearningmastery.com/machine-learning-checklist/)來解決分類問題。 3. **工具**。使用 [WEKA](http://machinelearningmastery.com/what-is-the-weka-machine-learning-workbench/) 。它提供了大量算法和圖形用戶界面，無需任何編程。這是一個[教程，用于創建您的第一個分類器](http://machinelearningmastery.com/how-to-run-your-first-classifier-in-weka/)。 4. **數據集**。從 UCI 機器學習庫中選擇數據集。這篇文章將[幫助您按特征](http://machinelearningmastery.com/practice-machine-learning-with-small-in-memory-datasets-from-the-uci-machine-learning-repository/)選擇數據集。從[虹膜花數據集](https://archive.ics.uci.edu/ml/datasets/Iris)開始。 5. **投資組合**。查看這篇文章，[解釋了如何構建機器學習組合](http://machinelearningmastery.com/build-a-machine-learning-portfolio/)。 [](https://3qeqpr26caki16dnhd19sv6by6v-wpengine.netdna-ssl.com/wp-content/uploads/2014/02/weka-explorer.png) 加載了 Iris 數據集的 Weka Explorer Interface ## 行動步驟 有很多理由沒有開始機器學習。 > 我沒有數學。我無法編程。所以一直都在。 如果你想開始機器學習。開始吧**停止準備開始！** 如果你想深入了解我認為你應該開始學習機器的方法，請閱讀我的帖子“[機器學習程序員](http://machinelearningmastery.com/machine-learning-for-programmers/)”。它涉及更多細節。 你有問題嗎？一個疑問？發表評論。