在我們進入機器學習世界之前，應該退后一步思考，是什么阻礙了我們入門？如果您考慮一下，大多數情況下，我們會以自己為前提，并假設這是正確的。我們對自己所做的最正常的假設是，在開始之前，我們需要先有知識，獲得學位，完成課程或對特定主題有很好的理解。那么如何以正確的心態開始機器學習？精通機器學習需要大量時間，不會一次就學到所有東西，尤其是在一開始時。

每天開始做一點工作，而不是試圖在開始之前就承認所有事情。您可以每天花費相當長的時間創建小東西來取得重大進展。完美的條件永遠不會存在，在您的道路上做到，與之保持一致，結果就會來臨。

每天開始進展甚微之后，您可能最終會為某些事情而掙扎或無法在某個時候實現目標。這種感覺很難受。很難看到自己沒有取得任何進展，沒有任何滿足感，然后仍然不放棄。

機器學習是很難的，要在某個點上看到進展可能要花幾周，幾個月甚至幾年的時間，但并不比其他任何技術技能都要難，它需要重復和奉獻才能到達想要的地方，您需要測試它，犯一個錯誤并從中學習。

切勿將自己與正在與您一起學習或欽佩的人相提并論;相反，將自己與過去的自我進行比較，看看自己在五年前取得的進步?我敢打賭你已經改變了很多。

　　您的機器學習

現在您已經有了思路，可以開始學習了，但是您仍然對機器學習是什么感到困惑。有一個很容易混淆的很好的理由，機器學習的研究領域很廣，但是如果您專注于解決問題，那么其中很多與您無關。

機器學習領域涉及如何構建隨經驗而自動改進的計算機程序的問題。— 機器學習，1997年。

機器學習是一個廣闊的領域，可以幫助您解決特定的問題，但是您無需了解所有問題。考慮將機器學習作為一種工具，考慮您要解決的問題以及所需的解決方案。

　　為此，請嘗試以最具描述性的方式描述您的問題：

找到一個模型或程序，該模型或程序可以最好地利用由輸入和輸出組成的歷史數據，以熟練地預測給定將來出現新輸入和未見輸入的輸出。

對您要解決的問題的清晰描述將丟棄機器學習的整個子領域，為您提供一個主導所有其他目標的明確目標，并且可能會為您提供一個完全適合機器學習領域的框架。

通過這種做法，您可以過濾所閱讀的材料和選擇的工具，以專注于要解決的問題。

　　解決上述問題的最佳方法如下：

一種模型或過程，可自動創建歷史數據中輸入和關聯輸出之間的未知基礎關系的最可能近似值。

對問題有明確的答案可以幫助您了解要解決的預測建模問題的不確定性，并設定合理的期望。

　　學習如何學習

試著記住自己在中學/高中時的歲月，并選擇數學等學習領域。考慮一下如何按周，按學期，按年，按年布置材料。有一種合理的方式來安排主題，這些主題相互重疊，并通過技巧，能力和理解的自然發展來引導。

問題是，這種邏輯上的進展可能只對那些已經在另一邊并且知道如何將主題之間的點連接起來的人有意義，而且通過材料進行的邏輯上的進展可能不是學習的最佳且富有成效的方式。

這種學習方法不僅是教授技術主題的常用方法;這似乎是唯一的方法，至少直到您考慮如何學習為止。您是如何學習閱讀的？你是怎么學會說話的?你是怎么學會開車的？

如果您停下來想一想，幾乎所有您學到的和對您有價值的東西都沒有經過邏輯上的發展。我們是情緒化的人類，需要動力，興趣，注意力，鼓勵和結果來學習新事物。

不要從一開始就開始學習。相反，首先將感興趣的主題的點與所需的結果聯系起來，并學習如何快速達到目標。

創建專注于獲取結果的程序，根據需要更深入地研究某些領域，但是始終要獲得所需的結果。剛開始時可能效果不佳，但隨著實踐的發展會有所改善。

也就是說，到目前為止，我最喜歡的技術是學習新知識，并且可以應用于任何領域。與其立即嘗試學習所有內容，不如立即開始做自己想做的事情，立即開始做自己想做的事情，弄清楚需要學習什么才能使它變得可行。

以這種方式學習的好處超過了學習本身的挑戰。您直接去做自己想要的事情，然后開始練習。您將獲得更好的學習環境和學習硬知識的動力，并且可以根據您在該主題中的目標快速轉移和過濾主題。

更快，更有趣，相信我。沒有人能擊敗有工作樂趣的人。該主題將在情感上與您聯系。您已將其附加到對您而言很重要的結果或結果上，而所有這些結果都可以激發動力，熱情和激情。

學習機器學習

基于我們上面的學習方法，不要開始使用先驅數學，機器學習理論來學習機器學習，也不要從頭開始編寫每種算法。相反，選擇一個您想使用簡單機器學習解決的簡單問題。

選擇問題后，弄清楚解決該問題所需的知識，并立即將其應用，而不必擔心失敗，請記住，您學到的幾乎所有知識都是通過實踐而不是從理論中學到的。

以上就是關于如何以正確的心態開始機器學習的全部內容介紹，想了解更多關于機器學習的信息，請繼續關注中培偉業。