什么是学习机器学习的好的第一个实现？ [关闭]

Posted 2023-02-23

【中文标题】什么是学习机器学习的好的第一个实现？ [关闭]

【英文标题】：What is a good first-implementation for learning machine learning? [closed]

【发布时间】：2011-03-11 18:09:00

【问题描述】：

我发现学习新主题最好通过简单的代码实现来获得想法。这就是我学习遗传算法和遗传编程的方式。有什么好的入门程序可以开始使用机器学习？

最好让任何引用的资源都可以在线访问，以便社区受益

【问题讨论】：

一般来说，学习遗传算法的第一个简单实现是什么？

参加 coursera.org 上的 ML 课程。

【参考方案1】：

您将使用哪种语言进行开发？如果你很灵活，我推荐 Matlab、python 和 R 作为不错的选择。这些是用于开发和评估算法的一些更常用的语言。它们有助于快速算法开发和评估、数据操作和可视化。大多数流行的 ML 算法也可以作为库提供（带有源代码）。

我会首先关注 R2 中的基本分类和/或聚类练习。它更容易可视化，通常足以探索 ML 中的问题，如风险、类别不平衡、嘈杂的标签、在线与离线训练等。从日常生活或您感兴趣的问题创建数据集。或使用经典，如 Iris 数据集，因此您可以将您的进度与已发表的文献进行比较。您可以在以下位置找到 Iris 数据集：

http://en.wikipedia.org/wiki/Iris_flower_data_set 或 http://archive.ics.uci.edu/ml/datasets/Iris

它的一个很好的特性是它有一个类，“setosa”，它很容易与其他类线性分离。

一旦您选择了几个有趣的数据集，就可以开始实施一些标准分类器并检查它们的性能。这是要学习的分类器的简短列表：

k-最近邻 线性判别分析 决策树（例如 C4.5） 支持向量机（例如，通过 LibSVM） 提升（带树桩） 朴素贝叶斯分类器

使用 Iris 数据集和我提到的其中一种语言，您可以轻松地使用任何分类器快速进行小型研究（几分钟到几小时，具体取决于您的速度）。

编辑：您可以谷歌“虹膜数据分类”找到很多例子。这是 Mathworks 使用 Iris 数据集的分类演示文档：

http://www.mathworks.com/products/statistics/demos.html?file=/products/demos/shipping/stats/classdemo.html

【参考方案2】：

我认为您可以编写一个“朴素贝叶斯”分类器来过滤垃圾邮件。 你可以从这本书中得到很多信息。

http://nlp.stanford.edu/IR-book/information-retrieval-book.html

【讨论】：

这是另一本很棒的免费书籍 - 统计学习的要素 - www-stat.stanford.edu/~hastie/Papers/ESLII.pdf

EoSL 在我看来有些困难。不适合初读，适合研究生水平。

是的，我也同意 Imsasu。但是《An Introduction to Information Retrieval》这本书并不难读。

【参考方案3】：

决策树。它经常用于分类任务并且有很多变体。 Tom Mitchell 的书是实现它的一个很好的参考。

【参考方案4】：

神经网络可能是最容易首先实现的东西，而且它们在整个文献中都得到了相当全面的介绍。

【讨论】：

这将是一个很好的资源：@​​987654321@

【参考方案5】：

有一种东西叫做书；你熟悉这些吗？二十年前我在探索人工智能的时候，有很多书。我想现在互联网已经存在，书籍很古老，但您可能可以在古老的图书馆中找到一些。

【讨论】：

很抱歉人们认为书不好，但是书里有丰富的资源。书籍会比这里的其他答案更有帮助。

我想您无法阅读引用好书的其他答案...