如何透徹的掌握一門機器學習演算法
機器學習演算法都是乙個個複雜的體系，需要通過研究來理解。學習演算法的靜態描述是乙個好的開始，但是這並不足以使我們理解演算法的行為，我們需要在動態中來理解演算法。
機器學習演算法的執行實驗，會使你對於不同型別問題得出的實驗結論，並對實驗結論與演算法引數兩者的因果關係有乙個直觀認識。
在這篇文章中，你將會知道怎麼研究學習乙個機器學習演算法。你將會學到5個簡單步驟，你可以用來設計和完成你的第乙個機器學習演算法實驗
你會發現機器學習實驗不光是學者們的專利，你也可以；你也會知道實驗是通往精通的必經之路，因為你可以從經驗中學到因果關係的知識，這是其它地方學不到的。
什麼是研究機器學習演算法
當研究乙個機器學習演算法的時候，你的目標是找到可得到好結果的機器演算法行為，這些結果是可以推廣到多個問題或者多個型別的問題上。
你通過對演算法狀態做系統研究來研究學習機器學習演算法。這項工作通過設計和執行可控實驗來完成
一旦你完成了一項實驗，你可以對結論作出解釋和提交。這些結論會讓你得以管窺在演算法變化中因果關係。這就是演算法行為和你獲得的結論間的關係。
怎樣研究學習機器學習演算法
在這一部分，我們將學到5個簡單的步驟，你可以通過它來研究學習乙個機器演算法
1.選擇乙個演算法
選擇乙個你有疑問的演算法
這個演算法可能是你正在某個問題上應用的，或者你發現在其他環境中表現很好，將來你想使用
就實驗的意圖來說，使用現成的演算法是有幫助的。這會給你乙個底線：存在bug機率最低
自己實現乙個演算法可能是了解演算法過程的乙個好的方式，但是，實驗期間，會引入額外的變數，比如bug，和大量必須為演算法所做的微觀決策
2.確定乙個問題
你必須有乙個你試圖尋找答案的研究問題。問題越明確，問題越有用
給出的示例問題包括以下幾個方面：
knn演算法中，作為樣本空間中的一部分的k值在增大時有什麼影響？
在svm演算法中，選擇不同的核函式在二分類問題上有什麼影響 ？
在二分類問題中，邏輯回歸上的不同引數的縮放有什麼影響 ？
在隨機森林模型中，在訓練集上增加任意屬性對在分類準確性上有什麼影響？
針對演算法，設計你想回答的問題。仔細考慮，然後列出5個逐漸演變的問題，並且深入推敲那個最精確的
3.設計實驗
從你的問題中挑選出關鍵元素然後組成你的實驗內容。
例如，拿上面的示例問題為例：「二元分類問題中邏輯回歸上的不同的引數縮放有什麼影響？」
你從這個問題中挑出來用來設計實驗的元素是：
屬性縮放法：你可以採用像正態化、標準化，將某一屬性提公升至乘方、取對數等方法
邏輯回歸：你想使用哪種已經實現的邏輯回歸。
二元分類問題：存在數值屬性不同的二分類問題標準。需要準備多種問題，其中一些問題的規模是相同的（像電離層），然而其他一些問題的屬性有不同的縮放值（像糖尿病問題）。
效能： 類似分類準確性的模型效能分數是需要的
花時間仔細挑選你問題中的組成元素以便為你的問題給出最佳解答。
4. 進行試驗並且報告你的結論
完成你的實驗
如果演算法是隨機的，你需要多次重複實驗操作並且記錄乙個平均數和標準偏差
如果你試圖尋找在不同實驗（比如帶有不同的引數）之間結果的差異，你可能想要使用一種統計工具來標明差異是否統計上顯著的（就像學生的t檢驗）
一些工具像r和scikit-learn/scipy完成這些型別的實驗，但是你需要把它們組合在一起，並且為實驗寫指令碼。其他工具像weka帶有圖形使用者介面，你所使用的工具不要影響問題和你實驗設計的嚴密
總結你的實驗結論。你可能想使用圖表。單獨呈現結果是不夠的，他們只是數字。你必須將數字和問題聯絡起來，並且通過你的實驗設計提取出它們的意義
對實驗問題來說，實驗結果又暗示著什麼呢？
保持懷疑的態度。你的結論上有留什麼樣的漏洞和侷限呢。不要逃避這一部分。知道侷限性和知道實驗結果一樣重要
5. 重複
重複操作
繼續研究你選擇的演算法。你甚至想要重複帶有不同引數或者不同的測試資料集的同乙個實驗。你可能想要處理你試驗中的侷限性
不要只停留在乙個演算法上，開始建立知識體系和對演算法的直覺
通過使用一些簡單工具，提出好的問題，保持嚴謹和懷疑的態度，你對機器演算法行為的理解很快就會到達世界級的水平
研究學習演算法不僅僅是學者才能做的
你也可以學習研究機器學習演算法。
你不需要乙個很高的學位，你不需要用研究的方式訓練，你也不需要成為一名學者
對每個擁有計算機和濃厚興趣的人來說，機器學習演算法的系統研究學習是開放的。事實上，如果你主修機器學習，你一定會適應機器學習演算法的系統研究。知識根本不會自己出來，你需要靠自己的經驗去得到
當談論你的發現的適用性時，你需要保持懷疑和謹慎
你不一定提出獨一無二的問題。通過研究一般的問題，你也將會收穫很多，例如根據一些一般的標準資料集總結出乙個引數的普遍影響。你保不住會發現某些具有最優方法的常例的侷限性甚至反例。
行動步驟
通過可控實驗你知道了研究學習機器學習演算法行為的重要性。你掌握了簡單的5個步驟，你可以在乙個機器學習演算法上設計和執行你的第一項實驗
採取行動。使用你在這篇博文中學到的步驟，來完成你的第乙個機器學習實驗。一旦你完成了乙個，甚至是很小的乙個，你將會獲得自信，工具、能力來完成第二個以及更多
如何快速掌握一門技術
1 實用主義者的學習方法 繞過障礙，直奔主題，專注那些你馬上需要學的。2 僅僅專注並直奔主題還遠遠不夠。學習過程中你需要大量練習和獲得反饋。犯錯是學習的一部分，當你看完教程掌握了裡面所述的內容後，可以自己構思某個應用或者某個使用場景，然後從頭寫起。你會發現很多問題，也會加深對教程的理解。自己無法回答...
如何快速掌握一門程式語言
出來工作了一段時間，也接觸過了各式各樣的程式語言。突然想對 如何快速掌握一門程式語言 這個話題做下總結。搭建開發環境 有些語言這一步就不想要了，比如shell 學習語法，讀相關書籍或者網上找教程 比如通過w3cschool的php教程，基本就能掌握php的語言 了解相關的工具 例如c 開發的gdb ...
如何穩健得掌握一門技術
1 積極的心態，好比陳老師 平靜內心，先做第二步5分鐘，這樣會讓你忘記恐懼。2 不要貪多，先看完整個技術的全域性，找一本薄點的書，或者教程，知道這個技術主要有哪些技術點，主要解決什麼問題。因為後續的步驟都是在這個概覽下的，3 設立階段性專案，每個專案都設立單元測試這樣就有一點點反饋了 動手前明白想要...