
Amikor két évvel ezelőtt elkezdtem tanulni a Machine Learninget (ML), sok kérdésem volt, hogy mely algoritmusokat kell használni, hogyan lehet korrelálni az adatkészletekkel stb. A válasz sok tényezőtől függ, például az adatok méretétől, a várható kimenettől és az elérhető számítási erőforrások. Ezután megismertettem az ML csalólapokkal, amelyek megismertettek a gyakran használt algoritmusokkal, csomagokkal és funkciókkal.
Ez a bejegyzés tartalmazza a felső három csalólapot, amelyeket ajánlanék egy kezdőnek, aki érdekelt az ML algoritmusok azonosításában és alkalmazásában a különböző problémákra. Tekintettel arra, hogy ez a tartomány milyen gyorsan fejlődik, a felkapott algoritmusok is haladnak. Ezért fontos megérteni azokat az algoritmusokat, amelyek segítenek illeszkedni a felügyelt és felügyelet nélküli tanulás, osztályozás és regresszió stb.
SAS algoritmus folyamatábra

Forrás: //blogs.sas.com/content/subconsciousmusings/2017/04/12/machine-learning-algorithm-use/
Maga a SAS blog remek olvasmány. A link megmutatja, hogyan kell használni a csalólapot, valamint szempontok az algoritmus kiválasztásakor. A csalólap egy könnyen használható folyamatábra mutatja az adatokat és az algoritmusokat.
Python és Scikit csalólapok
A legtöbb fejlesztő Python vagy R nyelven dolgozik az ML algoritmusok megvalósításához. Pythonban dolgozom, és így a következő két csalólap nagyon hasznos volt számomra.

Forrás: //s3.amazonaws.com/assets.datacamp.com/blog_assets/PythonForDataScience.pdf
A Python csalólapot a DataCamp készítette, és gyors referenciaként használható az ML Python csomagok és adatstruktúrák végigvezetéséhez is.

Forrás: //s3.amazonaws.com/assets.datacamp.com/blog_assets/Scikit_Learn_Cheat_Sheet_Python.pdf
A Scikit-learn egy nyílt forráskódú Python könyvtár, amely sokféle ML-t valósít meg, az adatok előfeldolgozását, a keresztellenőrzést, valamint az algoritmusok megjelenítését. Ez a könyvtár minden feltörekvő tudós számára kötelező ismeret, ezért nagyon ajánlom ezt a csalólapot.
Felhasználóbarát gépi tanulási térkép

Forrás: //scikit-learn.org/stable/tutorial/machine_learning_map/
Ez a csalólap elérhető a scikit-learn oktatóanyagokban, és ez az egyik legkönnyebben megérthető és használható folyamatábra. A fenti linken megvan a teljes folyamat az ML probléma megoldására, és a térkép bármely algoritmusára kattintva megértheti annak megvalósítását.
Oszd meg és tanulj! Ne adja hozzá kedvenc csalólapját az alábbi megjegyzésekhez.