0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

谈谈四个无法从学校或各种线上平台学习到的机器学习技巧

nlfO_thejiangme 来源:未知 作者:李倩 2018-06-27 11:04 次阅读

在过去的几年里,机器学习的优异表现使得它在各领域都突飞猛进的发展。由于有充足的资金支持,激动人心和妙趣横生的科技产出,广阔的成长空间,越来越多的人开始涉足学习机器学习相关的知识。现在比较主流的获取相关知识的方式是学校和在线课程。但机器学习的算法最后会用在真实世界的商业问题中,并成为为客户创造价值的工具。机器学习模型的算法精度,可解释性,速度和存储能力以及最后可创造出的价值都需要考虑在内。

本文我们将要谈谈四个无法从学校或各种线上平台学习到的机器学习技巧,这些技巧有助于机器学习算法应用于真实的世界中,创造实际价值。希望这篇文章能带给你一些实践中的启发和价值。

衔接机器学习算法与商业目标

包括机器学习在内的软件行业中,我们都需要注意将理论技能和商业目标联系起来。如果想成为领域内的专家,这两方面的知识都是必不可少的。

在教室里我们能学到很多理论技能方面的知识:如何编写Python程序,机器学习和数据科学的算法,技术报告的撰写等等,这些零碎的知识点往往与商业领域孤立脱离。当你需要在该领域内实际工作时,你工作的每一个细节问题均与实际的商业相联系。为什么你的领导要你优化现在系统的精度?因为更好的精度意味着更多的价值,更好的产品,从而意味着更多的客户和收入!

为了对问题有更好更深入的理解,我们需要抓住关键、聚焦重点。 当你在行业内有声望时,你也许有机会将商业目标转变为技术目标,为了完成这项工作,科技手段是不可或缺的途径。当创造实际价值时,一定要注意将科技与商业联系思考。一定要记住理论与实际相结合是我们取得成功的有力保证!

模型选择

在学校中,我们学到了各种各样的机器学习模型:线性回归模型,支持向量机,神经网络...好像有成百上千种那么多!那么问题来了,我们该用哪种?你也许之前用过他们种的许多种:碰巧编写过某几种算法或是从TensorFlow和Scikit Learn这样的库中调用过。你想过为什么要选择这种算法吗?现在深度学习算法十分流行,我们可以直接默认使用这种算法吗?

正如科技和工程中的本质特征一样:所有的方法都需要权衡利弊。在实际应用的过程中,需要仔细权衡每种算法是否适用于该种模型。在机器学习领域里“没有免费的午餐”。即:没有一种机器学习算法是万能的,可适用于全部的问题。不同种类机器学习算法的表现强烈的依赖于数据结构和数据量。除非我们使用算法来检验结果,不然无法事先判别判别模型有效性。

一种算法并不永远比另外一种好用,每种机器学习的算法均有其特点,可以用来快速选择和协调各种参数。比如:神经网络(和深度学习)一般准确性较高但是可解释性较差。当你需要确切的知道结果的来源时,就不适宜选择这种方法;但是如果你只关心最后的输出结果,那么这种方法就非常适合!而对于某些商业问题来说,从最简单的模型开始是一个不错的选择。在工程实践中,往往都是先开发出一个最简单的可用模型而后再逐渐优化的。一开始就使用复杂的模型想要覆盖所有的情况,会让你的工作陷入很多的困难中去。

模型部署

机器学习教育过程中通常倾向于深入学习机器学习算法,教导我们从技术层面上理解他们的运作方式。一旦你的模型被完全训练,将用某些数据集来标记模型的有效性。一旦模型被验证可以很好的完成任务,全套的软件产品将被进行部署。

站在更高的层面来理解部署的含义:将算法插入到已有的系统中去。模型的功能在于当给出输入时能做出某种对于系统的有效预测,因此,从系统层面理解整个软件是十分必要的。

在学校中所学的是技术层面的知识基石,在商业中应用和发现产品的价值是最终目标,将软件系统中各个部分有机的结合起来是处于中间的必经步骤。我们需要明白系统的架构,不同区域之间的连接,然后你才能从宏观层面上把握模型在系统中所处的地位和发挥的作用。在这样的基础上衔接系统中不同模块的功能、扬长避短才能发挥出模型最大的效用。

投入与产出的平衡

当在学校或者在在线课程的学习中,我们有充分的时间进行实验。我们甚至可以一直做研究,发现最新最好的算法。但是在现实生活中,这样却不是最有效的方式。商业讲究在有效的时间和资源内将利益最大化,不可能花一整天都额时间来验证手边所有的方法中哪一种是最好的方法。我们需要找到最有效的途径来决定最优的方法。

我们需要花最少的钱取得最大的效果,也许有一种新的优秀的回归算法,但是它在技术上既不成熟,还可能在实施过程中消耗大量的时间。这个时候,与其花费大量的时间修改算法,不如通过输入更多的数据来训练现有的模型。你的算法是否比原来的算法更加精确并不是关键,通过各种各样的手段,更加快速的达到结果优化的目的才是关键。

在学校中的惯用思维是从单方面着眼解决问题,在工作中却需要从各方面权衡,找到最高效的方法并应用。机器学习和所有其他的软件简而言之都是一系列工具,花最少的钱取得最大的效果意味着如何最好的利用这些工具来解决工作中的问题。目标导向的实际工作意味着解决问题才是关键。

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 神经网络
    +关注

    关注

    42

    文章

    4539

    浏览量

    98439
  • 机器学习
    +关注

    关注

    66

    文章

    8062

    浏览量

    130442
  • 数据科学
    +关注

    关注

    0

    文章

    163

    浏览量

    9977

原文标题:纸上得来终觉浅:四个你可能无法从书本中学习到的机器学习技巧

文章出处:【微信号:thejiangmen,微信公众号:将门创投】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    【芯航线FPGA学习平台众筹进度帖】芯航线FPGA开发平台设计初衷

    的书籍,也购买借用过很多不同厂家的FPGA开发板。学了两年多,真正学习的有效时间大约5月吧,但总是不得要领,虽然在学习的过程中了解了很多基础性的东西,也调试了很多代码,但始终
    发表于 09-14 21:27

    【下载】《机器学习》+《机器学习实战》

    强化学习等.下载链接:[hide][/hide]2.机器学习实战简介:机器学习是人工智能研究领域中一
    发表于 06-01 15:49

    学习Linux的四个步骤

    学习Linux的四个步骤解答:学习Linux的四个步骤假设你是计算机科班出身,计算机系的基本课程如数据结构、操作系统、体系结构、编译原理、计算机网络你全修过我想大概可以分为4
    发表于 09-24 15:27

    工程师必须掌握模拟IC设计的四个部分

    基本单元都是互补型源极接地放大电路。模拟电子技术的重要性时不我待。模拟电路再怎么说,关键的是多学多做,做出片子就自然懂得哪些知识点需要掌握了。这里就主要谈谈学习模拟电路要求的四个知识部分,要成为模拟电路
    发表于 08-22 09:29

    谈谈学习单片机的过程

    初学者必进-大虾谈谈学习单片机的过程经常有单片机爱好者问我们,如何学习单片机?学习单片机的步骤是什么?我们初略总结了一下,单片机学习的过程基
    发表于 12-10 15:05

    如何选择机器学习各种方法

    每当提到机器学习,大家总是被其中的各种各样的算法和方法搞晕,觉得无从下手。确实,机器学习各种
    发表于 03-07 20:18

    学习ARM开发的四个思路分享

    因为涉及编程,学习ARM单片机系统对于从事电子电路的设计者来说是有些困难的,学习知识不难,难的是理清其中的开发思路,找到一好的起点。本文就将从这一步入手,为大家介绍初次接触ARM开
    发表于 10-22 11:53

    机器学习与软件平台的融合

    本文将探讨机器学习与软件平台的融合。
    发表于 01-28 06:36

    微型机器学习

    人工智能 AI 正在加快速度云端走向边缘,进入越来越小的物联网设备中。而这些物联网设备往往体积很小,面临着许多挑战,例如功耗、延时以及精度等问题,传统的机器学习模型
    发表于 09-15 09:23

    机器学习简介与经典机器学习算法人才培养

    基于特征的迁移学习基于分类器适配的迁移学习章节目标:掌握迁移学习的思想与基本形式,了解传统迁移学习的基本方法,对比各种方法的优缺点,掌握迁移
    发表于 04-28 18:56

    什么是机器学习? 机器学习基础入门

    关系的学科。作为一总括性的术语,人工智能涵盖了计算机科学的广泛领域,其重点是使机器能够在没有人类干预的情况下“思考”和行动。它涵盖了一切,“一般智能”
    发表于 06-21 11:06

    谈谈学习单片机究竟该学习一些什么

    谈谈学习单片机究竟该学习一些什么,感兴趣的小伙伴们可以瞧一瞧。
    发表于 11-23 11:00 3次下载

    Spark机器学习库的各种机器学习算法

    本文将简要介绍Spark机器学习库(Spark MLlibs APIs)的各种机器学习算法,主要包括:统计算法、分类算法、聚类算法和协同过滤
    发表于 09-28 16:44 1次下载

    通过Python就能读懂机器学习

    具体来说有四个方面的介绍,包括机器学习的定义、机器学习的起源,以及进化反向、机器
    的头像 发表于 05-14 14:31 2349次阅读
    通过Python就能读懂<b class='flag-5'>机器</b><b class='flag-5'>学习</b>

    谈谈如何将机器学习引入自动化

    今天,笔者尝试通过一个一般性方法的介绍来谈谈如何将机器学习引入自动化,同时对机器学习的相关概念做一个梳理。
    的头像 发表于 10-09 15:55 2067次阅读