# 使用秘籍的任何機器學習工具快速啟動 > 原文： [https://machinelearningmastery.com/proceduralize-machine-learning-tools/](https://machinelearningmastery.com/proceduralize-machine-learning-tools/) 您如何最好地使用機器學習工具進行準確的預測？ 您只選擇并使用機器學習工具，以便在機器學習項目中使您的生活更輕松。這些工具可以幫助您構建可以進行準確預測的模型。 重要的是，您知道如何在此過程中最好地使用它們。 在這篇文章中，您將發現一個簡單的 5 步過程，您可以使用將任何機器學習工具映射到應用機器學習的過程。 通過對工具的使用進行程序化，您可以創建可在當前和未來項目中遵循或復制的逐步秘籍，以快速從工具中獲得最佳結果。  機器學習秘籍 攝影： [Mathew Packer](https://www.flickr.com/photos/mat-packer/9312635900/) ，保留一些權利。 ## 使用您的工具進行準確的預測 機器學習工具具有如此多的特性和功能，其中大多數都難以理解或隱藏在文檔的后面。 您應該使用機器學習工具的哪些功能？ 了解如何最好地使用所選擇的機器學習工具以構建準確的預測模型至關重要。您需要知道該工具的哪些功能實際上與您在任何項目中執行的應用機器學習的[過程相關，以進行準確的預測。](http://machinelearningmastery.com/process-for-working-through-machine-learning-problems/) 如何最好地利用項目的每個功能？ 每個功能都可以在文檔中進行配置和不一致描述，或者根本不進行描述。您需要知道如何在項目中最好地使用該工具的每個功能。你不能每次都重新學習這個，或者從最后一個項目的細節中復制粘貼它。 ## 將工具功能映射到項目任務 解決方案是預先執行工作，并了解如何最好地使用項目服務中的每個功能。 您需要識別可能為應用的機器學習過程的特定子任務提供結果的那些功能。此映射提供了一些簡短的功能列表，值得進一步了解和弄清楚。 一旦您弄清楚如何很好地為您的流程和項目使用每個功能，您就可以為它創建一個簡短的可重用過程。這可能是一個逐步編號的事件列表或一個小代碼示例，您可以復制和粘貼并用作起點。 這些秘籍一起提供了使用該工具的最佳實踐指南，以及您可以在當前或未來項目中使用的快速入門，以充分利用該工具。 ## 程序化任何機器學習工具 您需要使用系統過程來對機器學習工具進行程序化。 ### 快速 5 步流程 1. **選擇工具**。選擇要進行程序化的工具。這可能是您之前列出或描述的工具。它甚至可能是您經常使用的工具，并且您希望標準化您使用它的方式。 2. **布局流程**。布置與工具相關的應用機器學習的[過程中的步驟。在文本文檔中這樣做可能會有所幫助。具體而言，該過程中的步驟以及該工具可能支持的每個步驟下的任何任務。](http://machinelearningmastery.com/machine-learning-checklist/) 3. **將功能映射到任務**。查看工具的功能并將其映射到您在上一步中概述的機器學習項目的任務。在文本文檔中列出每個任務下的相關工具功能可能會有所幫助。 4. **研究特色**。研究該工具的每個映射功能并發現如何使用它。這可能包括閱讀 API 文檔和查看教程。了解您需要了解的內容，以便在應用的機器學習項目中最小化地使用該功能進行離散任務。 5. **創建程序**。創建使用每個映射功能的過程。這可能是帶有編號列表的秘籍。或者，這可能是使用該功能的完整的自包含和最小代碼示例。 收集所有秘籍將為您提供一個快速入門指南，以便最好地使用該工具在任何應用的機器學習項目中進行準確的預測。 ### 程序化工具的提示 以下是 9 個提示，您可以使用這些提示創建機器學習工具的優秀程序。 * **專注于任務**。不要對機器學習工具的每個功能進行程序化。這將浪費你的時間。只關注工具涵蓋的應用機器學習過程的那些任務。 * **關注結果**。秘籍必須提供結果。對于算法，這將是預測，對于分析，這可以是圖。 * **保持簡單**。不要對該工具提供的特征或技術的所有變體進行程序化。專注于一個并保持程序盡可能小以顯示結果。 * **效率可讀性**。不要陷入最佳實踐代碼標準或極端細節。使秘籍可讀和簡單。它們不是用于操作用途，僅作為使用該工具的起點。 * **復制粘貼秘籍**。每個秘籍必須完整，以便可以立即復制和粘貼并運行。 * **使用簡單的標準數據集**。在需要時使用易于理解的小數據集來演示工具的功能。考慮使用來自 UCI 機器學習庫的數據集。 * **保持最新**。在對該工具進行程序化之后，請考慮使用該工具的新版本使其保持最新。即使經常刷新程序也可能有助于使它們更小巧，更簡潔。 * **使用修訂控制**。考慮在修訂控制中存儲過程。如果它們打算供整個團隊使用，這是一個很好的策略。它還允許它們異步更新和同行評審。 * **樣本輸出**。考慮為秘籍提供樣本輸出，以了解期望的內容。這對于更多可視化秘籍（例如用于數據分析和繪圖的秘籍）非常有用。 ### 實例探究 以下是 3 個可能對您有用的程序化工具的案例研究。 * **圖形用戶界面**。您可以通過記下獲得可重復結果所需的鼠標點擊秘籍，為具有圖形用戶界面的工具創建秘籍。 * **算法庫**。如果您正在編寫機器學習算法庫的程序，請提供一個簡短的代碼秘籍來運行庫中的每個算法。 * **平臺**。如果您正在對平臺進行程序化，那么請考慮為應用機器學習過程中的每個步驟創建秘籍，以及完成端對端案例研究，以展示子任務如何組合在一起。 ## 您可以對機器學習工具進行程序化 **你不需要成為程序員**。您可以對不需要任何編程的工具進行程序化，例如 [WEKA 機器學習工作臺](http://machinelearningmastery.com/how-to-run-your-first-classifier-in-weka/)，它提供圖形用戶界面和命令行界面。 **您無需成為該工具**的專家。您可以研究在應用機器學習過程的任務中使用工具的特定功能需要了解的內容。您只需要在需要時學習所需內容。 **你不需要成為機器學習專家**。您可能會遇到您不完全理解的模型和技術。這很好，它擴大了你的曝光率。您仍然可以程序化如何使用這些功能。通過這樣做，您將對這些技術可以提供的結果類型有實際的了解。您也可以在以后更詳細地研究它們。 **你不需要成為作家**。使用點數并創建可以遵循的逐步秘籍。對于編程庫，創建一個可以復制和粘貼的完整代碼示例。 ## 摘要 在這篇文章中，您通過為應用機器學習過程的任務創建過程，了解了如何充分利用機器學習工具。 該工具的過程可用于您的項目，以最好地使用該工具滿足您的需求。它們還可以用作未來啟動新項目的指南。 程序化機器學習工具的過程分為 5 個快速步驟： 1. 選擇要進行程序化的工具。 2. 在與工具相關的應用機器學習過程中布置任務。 3. 將工具的功能映射到應用機器學習項目過程中的任務。 4. 研究工具的每個映射功能并學習如何使用它。 5. 為工具的每個映射功能創建一個過程，您可以使用該過程快速獲得結果。 ## 你的下一步 您的下一步是對機器學習工具進行程序化。 1. 選擇要進行程序化的工具。 2. 使用上述過程創建過程，即使它是針對一個任務。 3. 分享你的結果，我很想知道你的想法。 你對這個過程有任何疑問嗎？給我發電子郵件或發表評論。