选择机器学习算法和工具

Question

我正在处理一个二进制分类问题，即需要将我的数据分为两类。对于每个实体都提取了5个特征。

现在我想决定我应该使用哪种算法。另外，我想知道哪种语言最方便，它的库可能已经支持这个算法，并且我可以实现它。

我只是ML的初学者。所以这可能是一个非常愚蠢的问题。但任何帮助都是最好的。

谢谢和问候，罗希特

Answer 1

如果你是机器学习的新手，你应该采取一种温和的方法来学习它。不要期望使用“最佳”算法(它并不存在)。取而代之的是，找到一些关于机器学习的好资源，在互联网上有很多免费的信息，比如维基百科或课堂讲稿。或者，如果你需要更多的结构，也有书可用。所以考虑到这一点...

1)首先选择一种简单的分类算法。它不一定是“最好的”，但它必须是一个你可以掌握的简单的。尝试使用更复杂的方法是没有意义的，因为如果它产生意外的输出，您将无法找出原因。也许可以从一个简单的聚类算法开始，比如k-means。

2)选择您熟悉的语言/环境。许多地方都提供了基本的机器学习算法。数学家可能熟悉Matlab或R。程序员可以在Python、C、Java、Fortran中找到库。如果您不熟悉任何统计软件包，并且是编程新手，那么这可能会有所帮助-- https://stackoverflow.com/questions/335063/whats-the-easiest-way-to-learn-programming

如果您不是机器学习的新手，并且已经熟悉了几种方法，我建议您查看这个问题：When to choose which machine learning classifier?

Answer 2

为了解决简单的分类问题，我建议使用逻辑回归。它很容易理解和实现。您可以试验更复杂的算法，例如支持向量机、神经网络等。但是，请记住，在机器学习中，通常不是您选择使用的算法，因为拥有良好的数据集以及精心选择的特征非常重要。

还存在使用分类或聚类算法的问题。如果您有一个已经标记的数据集，我建议您进行分类。但是，如果您的数据集是而不是标签的，则分类算法将无法工作，您将不得不使用聚类。K-means是一种简单但广泛使用且高效的解决方案。

就语言/工具/环境/工具而言，如果你没有扎实的编程背景，我建议你使用Octave、R或Matlab。如果你这样做了，试着用你最流利的语言找到一个好的库。我可以推荐一个好的，开源的java机器学习库- (Mahout)。

最后，我推荐this斯坦福大学关于机器学习的在线课程。它是免费的，适合初学者，而且它不需要任何其他科学或工程领域的背景。

Answer 3

如果您是机器学习的新手，可以在斯坦福在线机器学习课程(http://www.ml-class.org/)中查看一些机器学习算法。这门课非常实用，你可以学习一些基本的分类算法(e.g.logistic回归，支持向量机，神经网络)，还提供了一些分类作业(在octave/matlab中)。并且有一些实用的方法来开发分类系统。这可能会对你有帮助。