# 使用小型目標項目深入了解機器學習工具 > 原文： [https://machinelearningmastery.com/investigate-machine-learning-tools/](https://machinelearningmastery.com/investigate-machine-learning-tools/) 選擇機器學習工具后，您需要提高使用它的技能。 機器學習工具具有大量功能。擁有使用功能的方法與深入了解如何使用功能，其局限性或功能不同。 此外，一旦您在機器學習工具中建立技能，您需要能夠證明您知道如何使用它。這不僅僅是在項目中使用它來提供結果。這有所幫助，但有一些方法可以在您構建知識時展示對工具的深入了解。 在這篇文章中，您將了解如何調查機器學習工具的功能，以便使用該工具提高您的技能并向其他人展示您不斷增長的技能。在新項目開始和采訪中，這對您最有幫助。  調查機器學習工具 照片由 [paurian](https://www.flickr.com/photos/paurian/3550755709/) ，保留一些權利。 ## 培養機器學習工具的技能 一旦您選擇或正在使用機器學習工具，您需要提高使用它的技能。當您在項目中使用該工具時，這會很自然，但它會緩慢，狹窄且無法控制。 您需要系統地提高您的機器學習工具功能的技能。 ## 展示你不斷增長的技能 當你正在建立自己的技能時，你可以談論自己的表現如何，以及你變得多么熟練。這比實際顯示您使用該工具獲得的結果的影響小得多。同樣，您可以指出您在項目上取得的成果，但這對大型項目來說可能非常緩慢，如果項目關閉則會令人沮喪。 您需要能夠使用獨立于您可能正在進行的項目的機器學習工具來展示您的技能。 ## 工具特征的簡短調查 您可以使用的策略是系統地調查所選機器學習工具的功能。 系統調查是一個簡短的重點項目，它使用機器學習工具的特征來提供在應用機器學習[過程中有用的結果](http://machinelearningmastery.com/machine-learning-checklist/)。 這是一項您設計并完全控制的調查。 這也是一項調查，您擁有并可以分享其結果。您可以將其轉換為視頻，博客文章，開源項目或技術報告，以通過機器學習工具展示您不斷增長的技能。 您可以使用特定的逐步過程來研究機器學習工具的功能。 ## 調查機器學習工具 您可以使用系統過程來研究機器學習工具。 ### 快速 5 步流程 1. **選擇工具**。選擇要調查的工具。這可能是您列出的工具，您描述的工具或您已經程序化的工具。它可能是您已經使用的工具，您希望了解更多信息或更好地使用它。 2. **選擇一個功能**。選擇要調查的工具的功能。理想情況下，這將是一個涵蓋應用機器學習 [](http://machinelearningmastery.com/machine-learning-checklist/) [過程中的子任務的功能。這將是在對機器學習問題進行準確預測的過程中有用的特征。它應該有明確的輸入和結果。](http://machinelearningmastery.com/machine-learning-checklist/) 3. **研究特色**。研究如何在該工具的文檔中使用該功能。這可能是 API 文檔，教程，書籍和網站。了解該功能的屬性以及如何以一種或多種方式使用它。 4. **使用數據集**上的功能。在數據集上應用該功能。這可能是您自己的數據集，來自競爭機器學習的數據集或來自 UCI 機器學習庫的標準研究數據集。使用該功能可以獲得數據集的結果。例如，如果要素是數據分析技術，則執行分析，或創建模型，如果要素是預測模型，則進行預測。演示該功能可以提供的功能，限制和結果。 5. **分享結果**。與朋友，同事或公開分享您獲得的結果。您可以創建一個演示該工具功能的視頻。或者，您可以創建有關如何使用數據集上的工具功能獲得結果的分步教程。分享您的代碼，程序和結果。 ### 分享您的結果 不要忽視共享的最后一個重要步驟。 * 分享有助于您專注。 * 分享有助于他人學習。 * 分享讓您了解更多。 * 分享顯示您的技能。 * 分享迫使你完成。 ### 偉大工具調查的提示 以下是有關如何充分利用機器學習工具調查的提示。 * **詳細但不詳盡**。您對該功能的調查不需要詳盡無遺，但應詳細說明。您應該涵蓋可以使用該功能的方式的變體，并嘗試顯示其限制和功能。 * **一次性**。您無需保留調查結果。分享結果很有用，但調查不是最佳使用該功能的模板或程序。 * **使用合適的媒體**分享。如果您是視頻人員，請使用短屏幕截圖分享結果。如果您是作家，請考慮博客文章或技術報告。如果您想教，請考慮創建一個分步教程。如果您是程序員，請考慮在 GitHub 上提供代碼。 * **不要花太長時間**。盡量將你的調查限制在 1 到 2 個小時。共享的詳細摘要可能需要相同的時間。 * **不要停在一個**。如果您想要善于使用工具，則應該花時間研究該工具提供的許多關鍵功能。 * **制作時間**。如果該工具足以讓您在項目中使用，那么重要的是您可以花時間調查學習到更深層次。 ### 實例探究 以下是您可以考慮的工具特征調查的一些示例案例研究。 * **數據分析技術**：研究如何使用工具執行特定類型的數據分析，如數據摘要或圖表。 * **數據準備技術**：研究如何使用工具執行特定類型的數據準備，例如估算缺失值或采集數據集樣本。 * **預測建模技術**：研究如何使用工具提供的特定機器學習算法來創建預測模型。 * **模型評估技術**：研究如何使用工具執行特定的模型評估技術，如交叉驗證。 * **結果改進技術**：研究如何使用工具執行特定的結果改進技術，如算法調整或模型集成。 ## 您可以調查機器學習工具 **您無需成為該工具**的專家。事實上，這種策略將幫助您提高技能，并最終成為該工具的專家。很少有人花時間實際研究他們使用的工具。如果你這樣做，你會了解更多，并加速你的知識跨越而不是那些。 **你不需要成為機器學習專家**。您可能無法完全理解該工具的功能。您可以使用調查功能的過程來提高您使用該工具的技能，并在此過程中了解有關機器學習的更多信息。 **你不需要成為程序員**。并非所有機器學習工具都需要編程。您可以研究那些提供圖形，Web 或命令行界面的機器學習工具。 **調查不是一個秘方**。您沒有創建最佳使用功能的秘籍。您正在調查功能的各個方面以及它在項目中可能使用或不使用的方式。它甚至可能是一個對您的項目沒有直接用處的功能。目標是學習和展示技能，而不是創建一個快速啟動的秘籍（盡管這些問題不是相互排斥的）。 ## 摘要 在這篇文章中，您發現了如何研究機器學習工具。 您了解到可以使用機器學習工具的功能調查來提高您使用該工具的技能。您還了解到，您的調查結果可用作指示器，通常用于展示您使用該工具的技能。 您發現了一個快速的 5 個步驟，可用于調查任何機器學習工具。 1. 選擇要調查的機器學習工具。 2. 確定要調查的工具的功能。 3. 研究該功能，以便您知道如何有效地使用它來獲得結果。 4. 在數據集上使用該工具的功能并獲得結果。 5. 分享您對功能，工具和實現結果的了解。 ## 你的下一步 是否有機器學習工具或要調查的工具功能？ 立即調查此功能！采取行動。 1. 使用上述過程調查該功能。 2. 不要超過 1 小時才能得到結果。 3. 在下面的評論中分享您學到的知識和結果。 你對這個過程有任何疑問嗎？給我發電子郵件或發表評論。