人工智能早已婦孺皆知，其熱度仍然居高不下，其發(fā)展前景亦是被很多大佬看好，于是很多小伙伴們都想進(jìn)人工智能領(lǐng)域，投入 AI的懷抱，但苦于不知如何下手、如何學(xué)習(xí)AI。其中，人工智能的核心就是機(jī)器學(xué)習(xí)(MachineLearning)，它是使計(jì)算機(jī)具有智能的根本途徑，其應(yīng)用遍及人工智能的各個(gè)領(lǐng)域。

今天云和數(shù)據(jù)的小編就來(lái)分享一些來(lái)自 EliteDataScience 上專門講給機(jī)器學(xué)習(xí)入門自學(xué)者的心得體會(huì)，告訴你在機(jī)器學(xué)習(xí)之路上的幾個(gè)重要步驟：

1.什么是機(jī)器學(xué)習(xí)?

在悶頭學(xué)習(xí)機(jī)器學(xué)習(xí)之前，最好先把什么是機(jī)器學(xué)習(xí)搞清楚，了解機(jī)器學(xué)習(xí)的基本概念。

簡(jiǎn)單來(lái)說(shuō)，機(jī)器學(xué)習(xí)就是教電腦怎樣從數(shù)據(jù)中學(xué)習(xí)，然后做出決策或預(yù)測(cè)。對(duì)于真正的機(jī)器學(xué)習(xí)來(lái)說(shuō)，電腦必須在沒(méi)有明確編程的情況下能夠?qū)W習(xí)識(shí)別模型。

機(jī)器學(xué)習(xí)屬于計(jì)算機(jī)科學(xué)與統(tǒng)計(jì)學(xué)的交叉學(xué)科，在多個(gè)領(lǐng)域會(huì)以不同的面目出現(xiàn)，比如你應(yīng)該聽過(guò)這些名詞：數(shù)據(jù)科學(xué)、大數(shù)據(jù)、人工智能、預(yù)測(cè)型分析、計(jì)算機(jī)統(tǒng)計(jì)、數(shù)據(jù)挖掘······

雖然機(jī)器學(xué)習(xí)和這些領(lǐng)域有很多重疊的地方，但也不能將它們混淆。例如，機(jī)器學(xué)習(xí)是數(shù)據(jù)科學(xué)中的一種工具，也能用于處理大數(shù)據(jù)。

機(jī)器學(xué)習(xí)自身也分為多個(gè)類型，比如監(jiān)督式學(xué)習(xí)、非監(jiān)督式學(xué)習(xí)、增強(qiáng)學(xué)習(xí)等等。例如：

郵件運(yùn)營(yíng)商將垃圾廣告信息分類至垃圾箱，應(yīng)用的是機(jī)器學(xué)習(xí)中的監(jiān)督式學(xué)習(xí);電商公司通過(guò)分析消費(fèi)數(shù)據(jù)將消費(fèi)者進(jìn)行分類，應(yīng)用的是機(jī)器學(xué)習(xí)中的非監(jiān)督式學(xué)習(xí);而無(wú)人駕駛汽車中的電腦和攝像頭與道路及其它車輛交互、學(xué)習(xí)如何導(dǎo)航，就是用到了增強(qiáng)學(xué)習(xí)。

2.需要預(yù)備哪些知識(shí)?

如果沒(méi)有基本的知識(shí)儲(chǔ)備，機(jī)器學(xué)習(xí)的確看起來(lái)很嚇人。要學(xué)習(xí)機(jī)器學(xué)習(xí)，你不必是專業(yè)的數(shù)學(xué)人才，或者程序員大牛，但你確實(shí)需要掌握這些方面的核心技能。

好消息是，一旦完成預(yù)備知識(shí)，剩下的部分就相當(dāng)容易啦。實(shí)際上，機(jī)器學(xué)習(xí)基本就是將統(tǒng)計(jì)學(xué)和計(jì)算機(jī)科學(xué)中的概念應(yīng)用在數(shù)據(jù)上。

這一步的基本任務(wù)就是保證自己在編程和統(tǒng)計(jì)學(xué)知識(shí)上別掉隊(duì)，機(jī)器學(xué)習(xí)的預(yù)備知識(shí)主要有以下三個(gè)方面

1)如果不懂編程，是沒(méi)法使用機(jī)器學(xué)習(xí)的。應(yīng)用于數(shù)據(jù)科學(xué)中的Python語(yǔ)言是一個(gè)很好的選擇

2)了解統(tǒng)計(jì)學(xué)知識(shí)，特別是貝葉斯概率，對(duì)于許多機(jī)器學(xué)習(xí)算法來(lái)說(shuō)都是基本的要求。

3)研究機(jī)器學(xué)習(xí)算法需要一定的線性代數(shù)和多元微積分知識(shí)作為基礎(chǔ)。

3. 原理知識(shí)重要嗎?

盡可能多地吸收機(jī)器學(xué)習(xí)的原理和知識(shí)，這一步和第一步有些相似，但不同的是，第一步是對(duì)機(jī)器學(xué)習(xí)有個(gè)初步了解，而這一步是要掌握相關(guān)原理知識(shí)。

可能有些朋友會(huì)想：我又不想做基礎(chǔ)研究，干嘛要掌握這些原理，只要會(huì)用機(jī)器學(xué)習(xí)工具包不就行了嗎?

有這個(gè)疑問(wèn)也很正常，但是對(duì)于任何想將機(jī)器學(xué)習(xí)應(yīng)用在工作中的人來(lái)說(shuō)，學(xué)習(xí)機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)非常重要。比如你在應(yīng)用機(jī)器學(xué)習(xí)中可能會(huì)遇到這些問(wèn)題：

數(shù)據(jù)收集是個(gè)非常耗時(shí)耗力的過(guò)程。你需要考慮：我需要收集什么類型的數(shù)據(jù)?我需要多少數(shù)據(jù)?等此類的問(wèn)題。

數(shù)據(jù)假設(shè)和預(yù)處理。不同的算法需要對(duì)輸入數(shù)據(jù)進(jìn)行不同的假設(shè)。我該怎樣預(yù)處理我的數(shù)據(jù)?我的模型對(duì)缺失的數(shù)據(jù)可靠嗎?

解釋模型結(jié)果。說(shuō)機(jī)器學(xué)習(xí)就是“黑箱”的觀點(diǎn)明顯是錯(cuò)誤的。沒(méi)錯(cuò)，不是所有的模型結(jié)果能直接判讀，但你需要能夠判斷模型的狀況，進(jìn)而完善它們。我怎么確定模型是過(guò)度擬合還是不充分?jǐn)M合?模型還有多少改進(jìn)空間?

優(yōu)化和調(diào)試模型。很少有人剛開始就得到一個(gè)最佳模型，你需要了解不同參數(shù)之間的細(xì)微差別和正則化方法。如果我的模型過(guò)度擬合，該怎么修正?我應(yīng)該將幾個(gè)模型組合在一起嗎?

要想在機(jī)器學(xué)習(xí)研究中解答這些問(wèn)題，掌握機(jī)器學(xué)習(xí)的知識(shí)原理必不可少。

4.實(shí)踐出真知

掌握了機(jī)器學(xué)習(xí)的基礎(chǔ)理念知識(shí)，接著就該實(shí)際操作了。

實(shí)際操作主要是通過(guò)具體的、深思熟慮的實(shí)踐操作增強(qiáng)你的技能。本步目標(biāo)有三個(gè)：

練習(xí)機(jī)器學(xué)習(xí)的整個(gè)流程：收集數(shù)據(jù)，預(yù)處理和清理數(shù)據(jù)，搭建模型，訓(xùn)練和調(diào)試模型，評(píng)估模型。

在真正的數(shù)據(jù)集上實(shí)踐操作：對(duì)于什么樣的數(shù)據(jù)適合用什么類型的模型，自己應(yīng)逐漸建立這方面的判斷能力。

深度探究：例如在上一步，你學(xué)習(xí)了很多機(jī)器學(xué)習(xí)算法知識(shí)，在這一步就要將不同類型的算法應(yīng)用在數(shù)據(jù)集中，看看哪個(gè)效果最好。

完成這一步后，就可以進(jìn)行更大規(guī)模的項(xiàng)目了。

5.項(xiàng)目中持續(xù)成長(zhǎng)

終于到了最后一步，也是很有意思的一步。目前為止，我們已經(jīng)完成了：知識(shí)儲(chǔ)備、掌握基本原理、針對(duì)性練習(xí)等階段，現(xiàn)在我們準(zhǔn)備探究更大的項(xiàng)目：

這一步的目標(biāo)就是練習(xí)將機(jī)器學(xué)習(xí)技術(shù)應(yīng)用于完整的端到端分析。

如果你按照這個(gè)步驟一步步扎實(shí)學(xué)習(xí)的話，相信你一定在AI方面學(xué)有所成，好了，已上就是云和數(shù)據(jù)的小編分享的內(nèi)容，希望對(duì)您有所幫助!