# 如何學習任何機器學習工具 > 原文： [https://machinelearningmastery.com/how-to-learn-any-machine-learning-tool/](https://machinelearningmastery.com/how-to-learn-any-machine-learning-tool/) 機器學習工具通過自動化機器學習項目的各個方面來節省您的時間。 有 **_ 平臺 _** 可以用來端到端地完成機器學習項目。還有 _**庫**_ 為一個機器學習項目提供了功能。 使用正確的機器學習工具與使用正確的機器學習算法同樣重要。但是有很多機器學習工具可供選擇。 * 你怎么知道使用哪種工具？ * 你怎么知道你正在充分利用你的工具？ * 你怎么能證明你知道如何使用工具呢？ 在這篇文章中，您將發現 5 種可用于學習和掌握任何機器學習工具的策略。  學習任何機器學習工具 攝影： [Matteo Paciotti](https://www.flickr.com/photos/matte4president/7643143554/) ，保留一些權利。 ## 什么工具在那里 如果你不知道那里有什么工具，你可能只選擇你遇到的第一個工具，它可能適合你或你的項目。 你需要知道那里有什么工具。對于給定的問題，有很多工具可供選擇。針對不同編程語言，不同問題類型的不同工具，甚至是提供完全不同類型的建模算法的相同平臺的工具。 重要的是要記錄并確切知道可用的內容，并經常這樣做。 ## 如何使用工具 如果你不知道如何使用工具，你可能會浪費很多時間來計算它。 我們都看到了開發人員，即使多年后也無法有效地推動他的編輯。您需要了解使用該工具的最佳實踐。您需要購買管理數據或制定項目的方式。您需要了解最常見功能的鍵盤快捷鍵或 API 怪癖。 知道如何專業地駕駛工具將為您節省大量時間。您可以利用這段時間進行更準確的預測或轉移到新項目上。 ## 跟蹤新工具 如果你不掌握新工具，你可能會錯過很多機會。 總會有新工具發布。新工具可能包括更好的自動化以執行常見任務他們幾乎肯定會包括訪問新的和更強大的機器學習算法。 跟蹤工具的更新和新機器學習工具的到來非常有意義。 ## 不要浪費你的時間 許多機器學習工具都是側面項目或尚未準備好迎接黃金時段。你可能不想浪費你的時間。 您需要能夠非常快速地總結工具的質量和功能，以幫助您決定是否花時間來了解它。 一旦你花時間學習如何使用工具，你需要激光專注于收集你可以在實踐中實際使用的工具的細節，以建立更好的模型，并做出更準確的預測。 一旦你真正擅長駕駛特定工具，你需要一種方法來展示你的技能。你可以整天向某人解釋你擅長使用這個或那個工具，但更容易使用簡單的指標來顯示（而不是告訴）你已經掌握了這個工具。這對面試很有用。 ## 使用系統過程 您需要一個系統的過程來發現您可以使用或了解更多信息的機器學習工具。 您需要一種方法，可以用來處理機器學習工具的所有文檔，示例和漏洞，并快速找出它可以為您做什么以及您是否可以信任它。 您需要一種結構化的方式來收集工具的使用信息，使其映射到您的流程以完成機器學習項目，以便您可以在下一個項目中高效且有效地使用它。 您可以非常快速地學習任何機器學習工具，并獲得特定領域的專家級技能。您只需使用逐步系統化過程即可。 ## 學習任何機器學習工具 您可以使用 5 種策略來學習任何機器學習工具： ### 1.列出工具 創建機器學習工具列表。 使用電子表格并創建列標題，以獲取有關每個工具的詳細信息，例如名稱，URL，編程語言和它支持的數據源類型。使用您最喜歡的搜索引擎，在網上搜索您可以使用的候選工具。根據您的要求對每個工具進行排名，并列出您可能希望進一步調查的工具清單。 這種簡單且經過時間考驗的方法可以非常快速地消除不確定性，縮小范圍并開始使用。列表不必完整，只需要有用。很難找到很難找到的工具，可能對你不那么理想或有用。 舉個例子可能不像我建議的那么簡單： * [Java 機器學習工具](http://machinelearningmastery.com/java-machine-learning/) ### 2.描述工具 根據您的需求創建機器學習工具的描述。 打開一個空白文本文檔，并為關于一個工具的關鍵問題創建標題。諸如算法所做的問題是支持嗎？它是如何加載數據的？它支持哪些語言？可以保存型號嗎？多久以前是最后一次發布？深入了解該工具的文檔，示例，論壇，評論和 API，并快速收集您的問題的答案。將您的定制描述限制在一頁。重復其他工具并進行比較和對比。 這種簡單的策略避免了花費數天（或更長時間）閱讀工具上的所有文檔以確定它是否適合您的需求（當您可以使用該時間評估其他工具或開始使用項目時）的陷阱。 例如，以下是工具的一些描述： * [什么是 Weka](http://machinelearningmastery.com/what-is-the-weka-machine-learning-workbench/) * [什么是 R](http://machinelearningmastery.com/what-is-r/) * [溫和地介紹 scikit-learn](http://machinelearningmastery.com/a-gentle-introduction-to-scikit-learn-a-python-machine-learning-library/) ### 3.程序化工具 將工具使用信息捕獲到一個快速入門指南中，您可以使用該指南快速獲得結果。 打開一個空白文本文檔，并列出工具支持的機器學習項目的主要任務標題。這可能包括加載數據，分析數據，轉換數據，構建模型，評估模型等。編寫有關如何使用該工具獲取每個標題結果的過程。使用虛擬數據（例如來自 [UCI 機器學習庫](http://machinelearningmastery.com/practice-machine-learning-with-small-in-memory-datasets-from-the-uci-machine-learning-repository/)的數據集）。如果該工具提供多種技術，請列出多個過程。 在開始一個新項目時，您會驚訝于簡短的秘籍有多么寶貴。復制并粘貼它們并修改以使用您的數據集。 例如，以下是一些程序： * [R 與決策樹的非線性分類](http://machinelearningmastery.com/non-linear-classification-in-r-with-decision-trees/) * [如何使用 Scikit-Learn](http://machinelearningmastery.com/how-to-tune-algorithm-parameters-with-scikit-learn/) 調整算法參數 ### 4.調查工具 創建演示或迷你教程，演示如何使用工具的特定功能或功能。 選擇有趣或通常有用的工具的功能或功能。創建關于從業者或初學者如何使用該功能的簡短帖子，視頻或教程。提供逐步程序，指出限制和最佳實踐啟發式。公開發布，以便它可以用于幫助其他人，例如在您的博客，GitHub，論壇或 YouTube 上。 您可以使用少量的小型調查來顯示您知道如何使用該工具獲得結果的可信度。不要擔心，如果有類似的教程，使用你的聲音，并讓你旋轉如何使用該功能。 例如，以下是一些教程： * [如何使用合奏](http://machinelearningmastery.com/improve-machine-learning-results-with-boosting-bagging-and-blending-ensemble-methods-in-weka/)改善 Weka 的機器學習效果 * [如何在 Weka 中運行您的第一個實驗](http://machinelearningmastery.com/design-and-run-your-first-experiment-in-weka/) * [如何在 Weka](http://machinelearningmastery.com/how-to-run-your-first-classifier-in-weka/) 中構建您的第一個分類器 ### 5.增強工具： 擴展或創建工具插件，以進一步自動化，填補功能差距并展示掌握。 在實踐中大量使用工具后，您將意識到限制和缺少的功能。對于庫和命令行工具，您甚至可以創建包裝器腳本和輔助函數。收集此信息并為該工具創建擴展，包裝或插件。將其縮小，使用示例進行詳細記錄，并在 GitHub 等平臺上將其作為開源發布。 創建工具的擴展通常會使您需要或已經私下使用的流程正式化，允許其他人利用這些功能并證明您對工具的深入了解甚至掌握。 回到當天，我為 Weka 創建了一堆插件，然后將它們清理干凈并將它們作為開源項目發布。他們可能會或可能不會工作，但這里是鏈接： * [WEKA 分類算法插件](http://wekaclassalgos.sourceforge.net/)：包括 LVQ，SOM，神經網絡和人工免疫系統算法。 ## 你可以學習任何機器學習工具 **你不需要成為程序員**。有許多機器學習工具可提供圖形用戶界面或命令行界面，使您無需編寫代碼即可構建模型并進行準確預測。 **你不需要知道任何數學**。就像你不需要數學來驅動 Microsoft Excel 一樣，你不需要數學背景來驅動很多（如果不是大多數）機器學習工具。找出您需要的功能，選擇一個工具并親眼看看。 **您不需要學習特定的編程語言**。選擇一種編程語言，你會發現有機器學習庫可用。一些庫已經存在更長時間并且更成熟。還有用于機器學習的 Web 服務 API 作為支持各種不同語言的服務。如果你不想，你甚至不需要編寫代碼來進行機器學習。最后，如果您正在自學，您應該選擇最適合您的項目或背景的語言。 **你不需要成為機器學習專家**。您不需要成為機器學習專家就可以使用機器學習工具。事實上，我建議您在開始加速學習并快速提供結果并建立信心時使用像 WEKA 這樣的機器學習平臺。 **您無需成為該工具**的專家。我看到很多專業程序員不知道如何使用編輯器或 IDE。它減慢了它們的速度。當您將工具作為研究對象時，您可以學習如何比機器學習專家或工具更好地駕駛工具。很少有人這樣做，如果你這樣做會給你一個巨大的優勢。您甚至可以開始在專家論壇上回答有關如何使用該工具的問題，因為當其他從業者沒有這樣做時，您會費心去研究它。 你有問題嗎？將其發布在下面的評論中。 ## 摘要 您可以學習任何機器學習工具。從發現哪些工具，選擇使用哪種工具并證明您可以很好地使用它。 您可以用來學習任何機器學習工具的 5 種策略是： 1. **列表工具**：列出滿足您需求的工具。 2. **描述工具**：定制工具描述以回答您的問題。 3. **程序化工具**：為常用機器學習項目任務創建秘籍，您可以將其用作跳轉啟動指南。 4. **調查工具**：創建工具特性和功能的小型教程和演示作為實踐并展示專業知識。 5. **擴充工具**：為工具創建擴展和插件，以正式化您的使用，包裝或填補功能差距并展示掌握。 如果您想了解有關機器學習工具類型的更多信息，請參閱[機器學習工具](http://machinelearningmastery.com/machine-learning-tools/)。 ## 你的下一步 是否有您想學習的機器學習工具？ 1. 承諾。立即開始學習工具！ 2. 選擇并應用上述策略之一。 3. 花費不超過 1 小時。 4. 在評論中回顧，我很想看到你發現了什么。