Prenez le contrôle en créant des listes ciblées d'algorithmes d'apprentissage automatique
Tout livre sur l’apprentissage automatique répertorie et décrit des dizaines d’algorithmes d’apprentissage automatique.
Une fois que vous aurez commencé à utiliser des outils et des bibliothèques, vous en découvrirez des dizaines d’autres. Cela peut vraiment vous épuiser si vous pensez avoir besoin de connaître tous les algorithmes possibles.
Une astuce simple pour lutter contre ce sentiment et reprendre le contrôle consiste à dresser des listes d’algorithmes d’apprentissage automatique.
Cette tactique ridiculement simple peut vous donner beaucoup de pouvoir. Vous pouvez l'utiliser pour vous donner une liste de méthodes à essayer lorsque vous abordez une toute nouvelle classe de problèmes. Il peut également vous donner une liste d'idées lorsque vous êtes bloqué sur un ensemble de données ou que votre méthode préférée ne vous donne pas de bons résultats.
Dans cet article, vous découvrirez les avantages de la création de listes d'algorithmes d'apprentissage automatique, comment le faire, comment bien le faire et pourquoi vous devriez commencer à créer votre première liste d'algorithmes dès aujourd'hui.
Démarrez votre projet avec mon nouveau livre Master Machine Learning Algorithms, comprenant des tutoriels étape par étape et les fichiers feuille de calcul Excel pour tous les exemples. .
Gérer autant d'algorithmes
Il existe des centaines d’algorithmes d’apprentissage automatique.
Je vois que cela conduit à deux problèmes :
1. Accablé
Le fait qu'il y ait autant d'algorithmes parmi lesquels choisir et essayer pour un problème d'apprentissage automatique donné pousse certaines personnes à se figer et à ne rien faire.
Le fait est que vous n’avez pas besoin d’obtenir le meilleur résultat, vous avez seulement besoin d’un résultat – une tête de pont sur le problème – et vous pouvez y arriver en vérifiant ponctuellement quelques algorithmes.
2. Favoris
En raison du grand nombre d’algorithmes, certaines personnes sélectionnent un ou deux algorithmes favoris et les utilisent uniquement. Cela limite les résultats qu’ils peuvent obtenir et les problèmes qu’ils peuvent résoudre.
Les favoris sont dangereux. Certains algorithmes sont plus puissants que d’autres, mais cette puissance a un prix en termes de complexité et de parcimonie. Ce sont des outils, laissez votre attachement émotionnel à la porte.
Obtenez GRATUITEMENT votre carte mentale d'algorithmes
J'ai créé une carte mentale pratique de plus de 60 algorithmes organisés par type.
Téléchargez-le, imprimez-le et utilisez-le.
Obtenez également un accès exclusif au mini-cours par e-mail sur les algorithmes d'apprentissage automatique.
Prenez le contrôle des algorithmes
Vous avez besoin de concentration, d’un point de départ pour résoudre le problème lié à la gestion d’un si grand nombre d’algorithmes d’apprentissage automatique.
Cela implique de trouver les limites et de repousser le brouillard sur ce qui existe et sur ce que vous pouvez utiliser à quel moment. Cela vous donnera un sentiment de contrôle sur les algorithmes et vous aidera à les utiliser plutôt que de vous sentir dépassé.
Ce qui est bien, c’est que vous n’avez pas besoin de devenir un expert dans chaque algorithme pour progresser. Vous n’avez pas besoin de savoir grand-chose sur chaque algorithme.
La collecte d'informations simples telles que les noms d'algorithmes et les problèmes généraux auxquels ils sont applicables peut vous aider à vous familiariser rapidement et en toute confiance avec l'étendue des algorithmes d'apprentissage automatique disponibles.
Comment créer et maintenir une liste d'algorithmes
La réponse est de créer votre propre liste personnelle d’algorithmes d’apprentissage automatique.
Je suis un créateur de listes et cette méthode éclaire vraiment mon cerveau.
Ouvrez un fichier texte, un document Word ou une feuille de calcul et commencez à lister les noms des algorithmes. C'est aussi simple que cela. Vous pouvez également répertorier la classe générale à laquelle appartient l'algorithme et les types généraux de problèmes qu'il peut résoudre.
Définissez vos propres catégories. Cette liste est un outil pour vous aider à comprendre et à naviguer dans les outils d'apprentissage automatique à votre disposition. Personnalisez la liste pour inclure les détails de l'algorithme qui vous intéressent.
Exemples de listes d'algorithmes à créer
Vous trouverez ci-dessous 10 exemples de listes d'algorithmes d'apprentissage automatique que vous pourriez créer.
- Algorithmes de régression
- Algorithmes SVM
- Algorithmes de projection de données
- Algorithmes d'apprentissage profond
- Algorithmes de prévision de séries chronologiques
- Algorithmes du système de notation
- Algorithmes du système de recommandation
- Algorithmes de sélection de fonctionnalités
- Algorithmes de déséquilibre de classe
- Algorithmes d'arbre de décision
Conseils pour de bonnes listes d'algorithmes
Créer une liste d’algorithmes est relativement simple. Le plus difficile est de savoir pourquoi vous voulez la liste. Le « pourquoi » vous aidera à définir le type de liste que vous souhaitez créer et les propriétés de l'algorithme que vous souhaitez décrire dans votre liste.
Commencez par le projet actuel sur lequel vous travaillez ou vos intérêts actuels. Par exemple, si vous travaillez sur un problème de série temporelle ou de classification d'images, répertoriez tous les algorithmes que vous pourriez appliquer à ce problème. Si vous êtes profondément intéressé par les machines à vecteurs de support, répertoriez toutes les variantes de SVM que vous pouvez trouver.
N'essayez pas de créer la liste parfaite en une seule fois. Créez-le et continuez à y ajouter des jours et des semaines. Il s’agit d’une ressource utile vers laquelle vous pouvez revenir encore et encore et enrichie à mesure que vos connaissances et votre expérience se développent.
En résumé, 5 conseils pour créer d’excellentes listes d’algorithmes sont :
- Commencez par pourquoi vous voulez la liste et utilisez-la pour définir le type de liste à créer.
- Capturez uniquement les propriétés de l'algorithme dont vous avez réellement besoin, gardez-le aussi simple que possible.
- Commencez par un projet ou un intérêt en cours et créez une liste d’algorithmes associés.
- Ne visez pas la perfection abstraite, la liste est pour vous et vos seuls besoins.
- Ajoutez à votre liste au fil du temps et développez-la à mesure que vos compétences et votre expérience se développent.
Quand utiliser une liste d'algorithmes
Les listes d’algorithmes ont plus de valeur que vous ne le pensez.
Par exemple, vous pouvez l'utiliser comme technique pour résoudre un type de problème sur lequel vous n'avez jamais travaillé auparavant, comme les systèmes de recommandation, la détection des visages ou les systèmes d'évaluation. Une simple liste d’algorithmes vous donne une liste de choses à essayer.
Lorsque vous travaillez sur un problème familier, vos préjugés antérieurs limitent souvent les résultats que vous pouvez obtenir. Une liste d’algorithmes pertinents pour un domaine problématique peut vous sortir de l’impasse et même vous pousser à obtenir de nouveaux et meilleurs résultats. Cela ne veut pas dire que vous devez essayer tous les algorithmes que vous pouvez trouver, vous avez quand même besoin d’une application raisonnée et systématique. Néanmoins, une liste peut constituer un point de départ utile.
Les listes d'algorithmes sont un outil, mais vous pouvez les pousser plus loin. Pour utiliser efficacement les algorithmes d’apprentissage automatique, vous devez les étudier, les rechercher et même les décrire. Il s'agit d'une extension naturelle de la méthode des listes algorithmiques et vos listes peuvent constituer la base de votre programme d'auto-apprentissage.
Vous pouvez commencer par collecter des propriétés supplémentaires sur chaque algorithme et étendre votre liste dans une mini-encyclopédie d'algorithmes, avec une page par algorithme. J'utilise un modèle de description d'algorithme et me concentre sur les éléments du modèle que je trouverai utiles lorsque je me référerai aux descriptions à l'avenir, tels que le pseudo-code et les heuristiques d'utilisation.
En résumé, 3 exemples de cas où vous pouvez utiliser une liste d'algorithmes sont :
- Lorsque vous commencez à travailler sur une nouvelle classe de problèmes.
- Lorsque vous êtes bloqué ou que vous recherchez des algorithmes pour essayer un problème existant.
- Lorsque vous recherchez des algorithmes à décrire plus en détail ou à faire des recherches.
N'importe qui peut créer des listes d'algorithmes d'apprentissage automatique
Vous n’avez pas besoin de vous plonger dans les manuels d’apprentissage automatique ou les bibliothèques open source. Une simple recherche sur Google ou une navigation sur Wikipédia découvrira de nombreux noms d’algorithmes pour démarrer votre liste.
Si vous ne savez pas quoi créer pour votre première liste, choisissez l'un des exemples ci-dessus ou parcourez un site comme DataTau et choisissez une classe d'algorithme à répertorier mentionnée dans un article ou le titre d'un article.
Encore une fois, vous n'êtes pas obligé de répertorier tous les algorithmes que vous pourriez répertorier, limitez votre portée à ces algorithmes dans les bibliothèques et les outils que vous préférez. Vous n'avez pas besoin de lister toutes les permutations de chaque algorithme, par exemple, vous pouvez vous concentrer sur un aspect d'un algorithme, comme les fonctions du noyau pour une SVM ou les fonctions de transfert pour un réseau neuronal.
Ne répertoriez pas toutes les fonctionnalités possibles de chaque algorithme. Tenez-vous-en au nom et peut-être à la classe générale d'algorithme et aux types généraux de problèmes pour lesquels il peut être utilisé. Si vous souhaitez approfondir un algorithme, considérez la méthode et le modèle de description d’algorithme décrits précédemment.
Vous n’avez pas encore besoin de comprendre les algorithmes et vous n’avez pas besoin d’être un universitaire. Il s’agit d’une tête de pont que vous utilisez pour élargir votre idée de ce qui existe, pour surmonter le dépassement et enfin pour fournir un point de départ dans votre voyage plus profond dans l’apprentissage automatique appliqué.
Étapes d'action
Dans cet article, vous avez découvert la tactique simple consistant à créer des listes d'algorithmes d'apprentissage automatique.
Vous avez découvert que cette tactique simple peut vous aider à surmonter la surcharge des algorithmes et à vous libérer des dangers liés aux algorithmes préférés.
Votre étape d'action pour cet article consiste à créer votre première liste d'algorithmes. Choisissez quelque chose de petit, comme une sous-classe d'un algorithme. Choisissez quelque chose d’amusant, comme un algorithme qui est à la mode en ce moment.
Partagez votre liste si vous le souhaitez (ou le sujet de votre liste), cela aiderait à motiver les autres.