Kui tegelete masinõppe algoritmidega, vajate neid petulehti.

Kui hakkasin kaks aastat tagasi õppima masinõpet (ML), oli mul palju küsimusi selle kohta, milliseid algoritme kasutada, kuidas neid andmekogumitega korreleerida jne. Vastus sõltus paljudest teguritest, näiteks andmete suurusest, eeldatavast väljundist ja saadaolevast arvutuslikust ressursse. Seejärel tutvustati mulle ML petulehti, mis tutvustasid mind sageli kasutatavate algoritmide, pakettide ja funktsioonidega.

See postitus sisaldab kolme parimat petulehte, mida soovitaksin algajale, kes on huvitatud ML-i algoritmide tuvastamisest ja rakendamisest erinevatele probleemidele. Arvestades, kui kiiresti see domeen areneb, arenevad ka trendid algoritmid. Seetõttu on oluline mõista algoritme, mis aitavad sobitada juhendatava ja järelevalveta õppimise, klassifitseerimise ja taandarengu jms valdkondadesse.

SASi algoritmi vooskeem

Allikas: //blogs.sas.com/content/subconsciousmusings/2017/04/12/machine-learning-algorithm-use/

SASi ajaveeb ise on tore lugemine. Lingilt on näha, kuidas petulehte kasutada, samuti kaalutlusi algoritmi valimisel. Petteleht näitab lihtsasti kasutatavat vooskeemi, mis korrigeerib andmeid algoritmidega.

Pythoni ja Scikiti petulehed

Enamik arendajaid töötab ML-algoritmide juurutamiseks Pythoni või R-keeles. Töötan Pythonis ja seega on järgmised kaks petulehte olnud mulle väga kasulikud.

Allikas: //s3.amazonaws.com/assets.datacamp.com/blog_assets/PythonForDataScience.pdf

Pythoni petulehe koostas DataCamp ja seda saab kasutada ka kiire juhendina, et juhendada ka ML Pythoni pakette ja andmestruktuure.

Allikas: //s3.amazonaws.com/assets.datacamp.com/blog_assets/Scikit_Learn_Cheat_Sheet_Python.pdf

Scikit-learn on avatud lähtekoodiga Pythoni teek, mis rakendab laias valikus ML-i, andmete eeltöötlust ja ristvalideerimist, samuti algoritmide visualiseerimist. See teek kuulub iga pürgiva andmeteadlase kohustusliku teadmise juurde, seega soovitan seda petulehte soojalt.

Kasutajasõbralik masinõppe kaart

Allikas: //scikit-learn.org/stable/tutorial/machine_learning_map/

See petulehekülg on saadaval scikit-learn õpetustes ja see on üks lihtsamaid vooskeeme, mida mõista ja kasutada. Ülaloleval lingil on teil täielik probleem ML-i probleemi lahendamiseks ja selle rakendamise mõistmiseks võite klõpsata ka kaardil mis tahes algoritmil.

Jaga ja õpi! Lisage oma lemmik petulehe allpool toodud kommentaaridesse.