实践中的机器学习：自己编写算法还是使用 Weka？

Posted 2023-03-12

【中文标题】实践中的机器学习：自己编写算法还是使用 Weka？

【英文标题】：Machine Learning in practice: Writing algorithms yourself or using Weka?

【发布时间】：2013-08-13 09:30:07

【问题描述】：

我问自己一个问题，大多数人是否通常自己编写机器学习算法，或者他们是否可能使用现有的解决方案，如 Weka 或 R 包。

当然，这取决于问题 - 但假设我想使用像神经网络这样的通用解决方案。还有理由自己编码吗？更好地理解机制并适应它？还是标准化解决方案的想法更重要？

【问题讨论】：

这个问题可能太离题了，无法回答。我的建议是问问自己，你是想构建一些东西还是想学习一些东西。如果更多是后者，请自己编写代码。

@DuckMaestro2：我会在这两件事上学到一些东西。我将使用这两种技术构建一些东西。两者都涉及到编写代码，当然自己实现一个算法需要更多的编码。关于哪个话题是题外话？

【参考方案1】：

这对 *** 来说不是一个好问题。这是一个意见问题，而不是编程问题。

不过，这是我的看法：

这取决于你想做什么。

如果您想找出最适合您手头数据问题的算法，请尝试 ELKI、Weka、R、Matlab、SciPy 等。尝试所有你能找到的算法，并花更多的时间来预处理你的数据。

如果您知道自己需要哪种算法并且需要将其投入生产，那么其中许多工具的性能将不够好或不够容易集成。相反，请检查您是否可以找到提供所需功能的低级库，例如 libSVM。如果这些不存在，请滚动您自己的优化代码。

如果您想在该领域进行研究，最好扩展现有工具。 ELKI 和 Weka 具有 API，您可以插入这些 API 以提供扩展。 R 并没有真正的 API（CRAN 它是一团糟......），但人们只是将他们的代码转储到某个地方并（希望）添加一个手册如何使用它。扩展这些框架可以为您节省大量工作：您可以使用比较方法，并且可以重用它们的大量代码。例如，ELKI 有很多索引结构来加速算法。大多数时候，索引加速比实际算法更难编写。因此，如果您可以重用现有索引，这也将使您的算法更快（并且您还将受益于这些框架的未来增强功能）。

如果您想了解现有算法，您最好自己实现它们。您会惊讶地发现，优化某些算法比课堂上教的要多得多。例如。先验的。基本思想非常简单。但是把所有的修剪细节都做好了，我说 20 个学生中有 1 个得到了这些细节。如果您实现 APRIORI，然后将其与已知的良好实现进行基准比较，并尝试了解为什么您的实现要慢得多，那么您实际上会发现算法的微妙细节。看到 ELKI、R、Weka 等之间存在 100 倍的性能差异，请不要感到惊讶——它仍然可以是相同的算法，只是在实际使用的数据结构、内存布局等方面或多或少地有效实现。

【讨论】：

感谢您指出这一点，尽管 *** 并不是 100% 的。我自己很难开始机器学习，因此很有帮助。

有一些hints in the help section on good and bad questions. 总的来说，投票、聊天和意见问题对 QA 网站不起作用，但应该去聊天或讨论论坛。涉及具有特定问题的小代码摘录的问题通常很好。