机器学习入门

一直以来想要学习机器学习。

想要入门机器学习，学习的方式大多是从网上观看相关的视频和书籍。

看的视频，怎么说呢，讲的很基础，但是没有清晰的思维方式，看了一段视频之后不知道为什么这么做的逻辑，没有系统的架构。

看书就更是如此了，书上的很多地方只有做法，并没有说清楚为什么这么做，很多的地方还省略了一些步骤。

总体感觉还是实战来的快些，这些实践还要是那些不是基于官方的，通用的数据集的处理方式，得具体问题具体分析。

那么怎么才能实现所谓的入门呢？

鄙人认为,机器学习的入门，首先就是要了解机器学习的常规处理方式，很多机器学习的解决方案大多都有一定的套路，在机器学习的初级阶段，我们需要掌握的就是这些套路。

要掌握这些套路，那么我们就需要了解，一个完整的机器学习项目的流程到底是什么样的?

从某站上参考得出以下步骤，

1.明确需求，将需求抽象成数学问题

首先确定好你使用机器学习的目的，

是想要处理分类的问题么，比如已知鸢尾花的数据，想要对这花做个分类（鸢尾花数据集），

还是已知泰坦尼克的乘客的信息，来预测下各乘客是否存活。（泰坦尼克数据集）

这类的问题就属于分类的问题。

是想要处理回归的问题么，比如已知波斯顿某段时间的房价信息，想要预测未来房价的走向（波斯顿房价数据集）

已知某网的各消息的点击率，想要预测之后消息的点击率。

是想要处理聚类的问题么，比如已知某站用户的观影数据，现在需要给用户推荐电影。

已知某站用户的听歌数据，现在需要给用户推荐歌曲。

问题大致上分为以上三种，如果你无法一下子判断出自己需要实现哪种方法，那你需要做的，则是再次分析需求。

2.获取数据

数据集的来源很大程度上决定了你预测的准确程度。

在数据足够多的情况下，使用的数据越多，你得出的模型的效果就越好。

但更多的时候我们的数据很有限，那么我们就需要清楚我们使用的数据的来源，以判断这些数据是否片面，是否会影响训练出的算法。

3.数据预处理

获取完数据之后还需要预览一下你获取的数据。

看看有没有什么异常啊，乱码啊，缺失啊，重复啊。

看看数据是不是需要排个序，求个平均值什么的。

看看数据是否需要变换，换个单位啥的。

看看是不是需要根据原有的数据，生成新的数据，比如根据出生日期生成个对应的星座之类。

看看是不是有属性重复的列，比如有了出生年月日，还使用了出生年份

看看数据是否需要归一化，将数据的范围限制在0-1或者【-1，1】之间。

4.特征工程

之前的步骤很重要，这步更是重中之重。

需要你观察数据的分布情况，数据的走势等等，运用特征分析的相关技术，如相关系数、卡方检验、平均互信息、条件熵、后验概率、逻辑回归权重等方法筛选出有益的特征。

5.选择模型

通常各种的机器学习问题都有很多种方法来解决。我们更需要关注的是模型的输入输出。

看看模型的输入是什么，是数组还是dataframe，是否需要对数据做一些数据上的转换。

其次是关注模型的参数，通常一个模型是由很多个参数共同控制的。

理解模型的实现方式才能使我们有进步的空间

6.模型反馈

模型训练完了之后，首先需要观察的是训练的情况，输出准确性，方差，误差之类的图表。

然后再应用与已知的验证集，看看模型的可靠程度。

至此，机器学习的基本流程就已经基本完成了。

在以后的学习里，我们将按照这样的步骤来进一步了解机器学习。

学习的过程中，听课看书是辅助，关键的是要自己上手实践，思考，提出问题，并解决问题，关键在于自己。