如何选择合适自己的算法

随着机器学习越来越流行，也出现了越来越多能很好地处理任务的算法。但是，你不可能预先知道哪个算法对你的问题是最优的。华盛顿大学 eScience Institute 和 Institute for Neuroengineering 的数据科学博士后 Michael Beyeler 介绍了如何依靠已有的方法（模型选择和超参数调节）去指导你更好地去选择算法。

首先，我们先重温基础知识！

具体来说，我们应该知道机器学习里面三个主要类别：监督学习，无监督学习和强化学习。

上面的描述包括了几个专业术语：

（关注微信公众号：小瓦观察，回复“算法”可下载PDF源文件 )

一些值得注意的算法如下：

理想情况下，我们会建立一个机器学习流程，使用一组经过仔细选择的评估标准来比较每个算法在数据集上的表现。在这个阶段，我们只处理一小部分的算法，所以我们可以把注意力转到真正神奇的地方：特征工程。

当然，每个人都是适合自己的特征描述方法。如果你有几个候选方法，你可以使用封装好

为您提供：

【前沿资讯】跟踪国内外机器人领域前沿最新动态

【萝卜知识】完整的机器人专业知识学习路径，人人都可以成为创客

【实践通道】提供机器人相关的产品、爱好者社区，以及工作实践机会