Einführung

Dieser Artikel ist ein Referenzmemorandum für den Autor, der ein Anfänger in der Programmierung ist, um das maschinelle Lernen zu fördern.

Ich werde Informationen beschreiben, die aus Sicht eines Amateurs hilfreich waren.

Einführung von Websites, die für das maschinelle Lernen hilfreich waren

Ich möchte auch das trendige maschinelle Lernen ausprobieren, also versuche ich es von Anfang an.

Was ist maschinelles Lernen?

Zunächst möchte ich einen Dienst vorstellen, mit dem Sie leicht lernen können, was maschinelles Lernen ist.

Eins, Helfer

Eine kostenlose Registrierung der Mitgliedschaft ist erforderlich, Sie können jedoch eine Einführung in das maschinelle Lernen mit Videos erlernen. Es gibt nicht viel kostenlosen Inhalt, aber er ist möglicherweise gut für Leute, die einen schnellen Überblick wünschen. Es gibt auch einen Anfängerkurs über Python, so dass selbst Leute, die das Programm noch nie berührt haben, den Einstieg leicht finden können.

https://aidemy.net/

Zweitens Codexa

https://www.codexa.net/ Ebenso ist eine kostenlose Registrierung der Mitgliedschaft erforderlich, aber Sie können auch wichtige Teile des maschinellen Lernens wie lineare Algebra und Statistik kostenlos lernen. (Es wurde wahnsinnig gerettet)

Was ich getan habe, um meine Hand tatsächlich zu bewegen

Ich möchte Eingaben von oben machen und dann tatsächlich etwas als Ausgabe machen.

Dieses Mal machen wir ein Beispiel ** "Empfohlene Funktion" **. Es ist auch Amazon.

Ich habe auf die folgenden Seiten verwiesen. Es wurde sorgfältig für Anfänger geschrieben und war sehr leicht zu verstehen.

https://www.codexa.net/collaborative-filtering-k-nearest-neighbor/

Ich stelle zwei Dinge vor, von denen ich süchtig war

Wenn Sie sich auf den obigen Artikel beziehen, können Sie ihn wahrscheinlich fast kopieren, aber ich bin ein bisschen süchtig danach, also schreibe ich ihn auf.

(Erstens) Autocomplete-Python in Atom funktioniert nicht Ich habe Atom als Editor verwendet, um die Umgebung zu erstellen, aber die damals installierte Autocomplete-Python hat nicht funktioniert ... Als ich gegoogelt habe 「C:\Users\username.atom\packages\autocomplete-python\lib\jedi\parser」 Es war nutzlos, wenn die Version einer Datei namens grammarX.X.txt (X ist eine Version von Python) nicht mit der Version von Pyhton in meiner Umgebung übereinstimmt. (Es gibt einen solchen Beitrag auf StackOverFlow, und ich habe darauf hingewiesen.)
Speicherfehlerfalle Ich ging gemäß dem Artikel des Tutorials vor, obwohl es am Anfang gut war Ich habe ** Speicherfehler: Zuweisung nicht möglich… **

Da es eine große Datenmenge verarbeitet, scheint diese Art von Fehler dem maschinellen Lernen inhärent zu sein. Ich habe zwei Lösungen ausprobiert:

--Verwenden Sie dask Es scheint eine Bibliothek für den Umgang mit großen Datenmengen zu sein, die nicht in den Speicher passen. Diesmal war es die Verarbeitung des Pivots, die den Speicherfehler verursachte. Ich habe versucht und mich geirrt, wie man so schreibt, dass nur dieser Teil verteilt und verarbeitet wurde, aber es hat nicht funktioniert und ich habe aufgegeben ... (Ich möchte, dass mir jemand sagt ...)

Geben Sie den Speicher manuell mit gc.collect () frei Es ist eine rudimentäre Sache, aber es machte wahrscheinlich nicht viel Sinn.
Reduzieren Sie die Anzahl der Datenelemente Dieses Mal habe ich mit einer Tutorial-Bedeutung begonnen, also habe ich sie hier schnell gelöst. Insbesondere gibt es einen Prozess, bei dem "Mitglieder (die Anzahl der Benutzer, die zur relevanten Anime-Gruppe gehören) Daten von 10.000 oder weniger abschneiden", aber ich habe diese Anzahl nur schrittweise erhöht.

Ausführungsergebnis

Obwohl ich wie oben betrogen habe, konnte ich das Tutorial vorerst beenden.

Ich persönlich habe es mit meinem Lieblingskauter Shana versucht, aber es ist eine empfohlene Aufstellung, die Sie verstehen können.

Zusammenfassung

Als Ausgangspunkt für maschinelles Lernen bin ich persönlich zufrieden mit der Verwendung grundlegender Funktionen und der Berücksichtigung und Verarbeitung von Daten. Wir werden uns weiterhin der Schaffung von etwas widmen, das in der Praxis verwendet werden kann.

[Python] Wenn ein Amateur mit dem maschinellen Lernen beginnt