<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>

                合規國際互聯網加速 OSASE為企業客戶提供高速穩定SD-WAN國際加速解決方案。 廣告
                # 如何在機器學習中取得更好的成績 > 原文: [https://machinelearningmastery.com/how-to-get-better-at-machine-learning/](https://machinelearningmastery.com/how-to-get-better-at-machine-learning/) [來自 Metacademy 的科羅拉多里德](http://obphio.us/)最近寫了一篇很棒的文章,名為“ [_ 升級你的機器學習 _](http://metacademy.org/roadmaps/cjrd/level-up-your-ml) ”來回答他經常收到的問題: > 如果我想在機器學習上“更好”,我該怎么辦,但我不知道我想學什么? 在這篇文章中,您將發現科羅拉多州建議的摘要和他的路線圖的細分。 [![level-up machine learning](img/7ef4d5767c376af4000a99bf27b9654b.jpg)](https://3qeqpr26caki16dnhd19sv6by6v-wpengine.netdna-ssl.com/wp-content/uploads/2014/08/level-up-machine-learning.jpg) 升級您的機器學習 照片由[HelgiHalldórsson](https://www.flickr.com/photos/8058853@N06/4393957264),保留一些權利 ## 在機器學習方面做得更好的策略 科羅拉多州是伯克利大學的博士生,也是 [Metacademy](http://www.metacademy.org/) 的創始人。 Metacademy 是一個開源平臺,專家合作構建維基文章。目前,文章側重于機器學習和人工智能。這是一個很棒的網站。 科羅拉多州在機器學習方面做得更好的建議是通過教科書不斷努力。他評論說,閱讀教科書的過程就是與教科書合而為一的過程。 這個策略并不令人意外,因為博士候選人可能會在當天推薦同樣的東西。這是好的建議,但是,我不認為這對每個人都是正確的建議。如果您是一名程序員,通過實現它們來讓想法滲透,那么當您希望在給定方法上采取下一步時,教科書列表可能是有用的參考。 ## 機器學習路線圖 他的機器學習路線圖又分為 5 個級別,每個級別都指向要掌握的特定教科書。五個級別是: * **0 級(_ 新手 _)**:閱讀[數據智能:利用數據科學將信息轉化為洞察](http://www.amazon.com/dp/111866146X?tag=inspiredalgor-20)。假設您了解 excel 的方式,并最終了解一些算法的存在和可能的高級數據流。 * **1 級(_ 學徒 _)**:用 R 讀取[機器學習。了解何時應用不同的機器學習算法,并使用 R 來執行此操作。假設可能有一點編程,代數,微積分和概率,但只是一點點。](http://www.amazon.com/dp/1782162143?tag=inspiredalgor-20) * **2 級(_ 熟練工 _)**:讀取[模式識別和機器學習](http://www.amazon.com/dp/0387310738?tag=inspiredalgor-20)。從數學角度了解機器學習算法的工作原理。解釋和調試機器學習方法的輸出,并掌握更深入的機器學習概念。假設有算法的工作知識,良好的線性代數,一些向量微積分,一些算法實現經驗。 * **3 級( _Master_ )**:讀取[概率圖形模型:原理和技術](http://www.amazon.com/dp/0262013193?tag=inspiredalgor-20)。深入研究凸優化,組合優化,概率論,微分幾何和其他數學等高級主題。熟悉概率圖形模型,何時使用它們以及如何解釋它們的結果。 * **等級 4(_ 大師 _)**:隨心所欲。回饋社區。 這是一個很好的細分,科羅拉多為每個級別提供了特定的章節建議以及建議的頂點項目。 科羅拉多重新發布了這個路線圖作為[博客文章](http://www.tenleaves.com/paths/machine-learning-level-up),稍作修改。他放棄了最后一級并更名為:_ 好奇 _,_ 新手 _,_ 學徒 _,_ 熟練工 _ 和 _ 大師 _ 。他還評論說,0 級好奇機器學習器不應該閱讀教科書,而是應該瀏覽和查看一些頂級機器學習視頻。 ## 機器學習中忽視的主題 [斯科特·洛克林](http://scottlocklin.wordpress.com/about/)也閱讀了這篇文章并受到啟發,撰寫了他自己的回復題為“ [_ 被忽視的機器學習思路 _](https://scottlocklin.wordpress.com/2014/07/22/neglected-machine-learning-ideas/) ”(與 [Boris Artzybasheff 的酷藝術](http://en.wikipedia.org/wiki/Boris_Artzybasheff))。 斯科特評論說,這些建議表明了科羅拉多州的偏好,并沒有給出更全面的機器學習領域。斯科特還評論說很少有書可以很好地概述這個領域,盡管他確實喜歡這本書[機器學習:理解數據的算法的藝術和科學](http://www.amazon.com/dp/1107422221?tag=inspiredalgor-20),因為它也觸及了一些不起眼的技術。 然后,斯科特繼續列出一些“在書中被忽視”的領域。總之,這些領域是: * **在線學習**:流媒體數據和大數據的關鍵,向 [Vowpal Wabbit](http://hunch.net/~vw/) 致敬。 * **強化學習**:在機器人技術的背景下進行了討論,但很少將其與常見的 ML 聯系起來。 * **“_ 壓縮 _”序列預測技術**:在發現學習模式時進行壓縮。致 [CompLearn](http://www.complearn.org/) 。 * **一般的時間序列導向技術** * **共形預測**:在線學習的模型準確性估計。 * **ML 存在大量噪聲**:NLP 和 CV 是一般情況示例。 * **特征工程**:對于成功的機器學習至關重要。 * **一般無監督和半監督學習** 這是一個很好的列表,指出一些確實沒有得到足夠或足夠關注的領域。 我會注意到我有自己的[路線圖,用于入門和掌握機器學習](http://machinelearningmastery.com/machine-learning-roadmap-your-self-study-guide-to-machine-learning/ "Machine Learning Roadmap: Your Self-Study Guide to Machine Learning")。像科羅拉多州一樣,我的路線圖僅限于分類/回歸類型的監督機器學習,但建立在促進調查和采用任何和所有感興趣主題的過程中。而不是“_ 閱讀這些教科書 _”,而是“_ 遵循這些過程 _”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