算法是机器学习领域的重要组成部分
您需要了解哪些算法在那里, 以及如何有效地使用它们
简化这一知识的简单方法是查看已知的算法, 并对其进行研究
在这篇文章中, 您将会发现研究机器学习算法的重要性, 以及您可以用来加速对机器学习算法的理解的 5 个不同来源
研究机器学习算法
为什么研究机器学习算法
你需要理解算法来掌握机器学习
机器学习算法不像您可能熟悉的排序算法等这样的算法
机器学习算法不仅依赖于数据, 而且是自适应的一个给定的机器学习算法的核心往往是一个随机的优化过程, 这意味着它具有随机性的元素因此, 这使得机器学习算法更难以分析, 并对最佳和最差性能做出苛刻的判断
您需要应用, 实施或深入思考算法以了解它们
你可以描述一个算法如何作为一个数学方法, 但要理解它的行为在实践中, 你必须研究它的行动您可以通过对算法进行实验, 将其应用于很多问题, 并提炼出其行为方式, 以及如何在面对不同的问题类型时揭露和利用这些行为
或者, 您可以采取的捷径是深入了解其他人在您之前了解的算法
你只需要从研究它们的算法中获得背景
获取您的免费算法思维导图
方便的机器学习算法思维导图示例
我创建了一个按照类型组织的 60 多个算法的方便的思维导图
下载它, 打印并使用它
免费下载
也可以独家使用机器学习算法电子邮件迷你课程
研究算法时使用 5 个来源
研究机器学习算法需要从多个来源对算法进行系统研究
这听起来可能比实际上更可怕你的目标是建立你自己对不同机器学习算法的一致理解, 并且一致的理解对你是个人的, 并且需要从多个来源对给定算法的解释进行整理
不同的来源可以用于不同的目的, 所以你需要仔细挑选和有目的地选择这些来源
首先明确为什么要研究一个给定的机器学习算法, 然后选择那些能够最好地回答您的问题的来源
有 5 个不同的来源, 您可以在您的机器学习算法的研究中使用, 我们将依次审查
1. 权威来源
权威来源提供算法的专家解释和描述
它们对于加快算法速度很有用, 因为解释通常是严格的, 有些标准化的, 至少在材料中是这样
这些描述也可以是密集的, 经常沉浸在数学中, 并且侧重于使用学术语言的理论方面这样, 如果没有足够的背景, 它们就很难穿透
权威来源的例子包括:
教科书, 如在研究生机器学习课程中使用的教科书
讲义和幻灯片, 例如在研究生机器学习课程中提供的幻灯片
概述论文, 例如构成关于某个主题的学术汇编的论文
2. 来源
精髓来源是算法的专家来源和原始描述
来源: https://cloud.tencent.com/developer/article/1043108