第 1 步：對問題進行分類
這是乙個兩步步驟：
通過輸入分類：如果我們有標籤資料，這是乙個監督學習問題。如果我們有無標籤資料並且想要去發現結構，這是乙個無監督學習問題。如果我們想要通過與環境互動優化目標函式，這是乙個強化學習問題。
通過輸出分類：如果乙個模型的輸出是乙個數字，這是乙個回歸問題。如果模型的輸出是乙個類（或者分類），這是乙個分類問題。如果模型的輸出是輸入組的集合，這是乙個分類問題。
第2步：找到可用的演算法
分類：支援向量機（svm），人工神經網路，邏輯回歸，決策樹和隨機樹。
回歸：線性回歸，貝葉斯線性回歸，決策樹回歸
聚合（clustering）：層次聚類，k- 均值聚類
異常檢測(還是屬於分類或回歸問題)：k 最近鄰（物件通過其 k 最近鄰的多數投票來分類。 k-nn 回歸中，輸出為物件的屬性值。該值為其 k 最近鄰值的平均值），單類支援向量機
第3步：實現所有適用的演算法
我們希望通過最小化特徵工程快速而簡單地完成幾種演算法的實現。在這個階段，我們主要興趣在粗略來看那個演算法表現更好。
第4步：特徵工程第5步：超引數優化
最後，你可能想優化演算法的超引數。例如，主成分分析中的主成分個數，k 近鄰演算法的引數 k，或者是神經網路中的層數和學習速率。最好的方法是使用交叉驗證來選擇。
機器學習 四 之如何學習機器學習
推薦一篇很好的文章,本文部分借鑑於 kaggle的 手寫識別 首先 我們要了解 什麼是tensorflow?其次 我們要學會一些概念 再其次 我們要學會整個機器學習的思路 建立乙個機器學習的model 1 制定乙個model是線性的還是非線性的 2 使用乙個最簡單的單層的神經網路進行學習 3 選擇l...
如何學習機器視覺
在與大家交流的過程中，發現了乙個問題，一直想說出來。可是通常實話都不會那麼順耳，所以總有些猶豫。可後再一想，既然大家來此的目的不過是為了討論問題 互通有無，那麼說了也應無妨。這個問題就是 我發現國內80 搞這行 機器視覺 的朋友所走的路子是錯的。於是在國外，從事這一行業的人現在也就可以簡單而清楚地分...
機器學習 機器學習目錄
注 後期有時間的話會對每乙個演算法進行講解。1 普通線性回歸 2 廣義線性模型 3 邏輯回歸 4 線性判定分析1 決策樹基本原理與構建 2 cart演算法 3 回歸決策樹 4 分類決策樹1 貝葉斯定理與樸素貝葉斯 2 高斯貝葉斯分類器 3 多項式貝葉斯分類器 4 伯努利貝葉斯分類器 5 遞增式學習1...