只需6步，从头开始编写机器学习算法

从头开始编写算法是一种有益的体验，当你最终点击运行的那一刻，你会了解算法背后真正发生了什么。

如果你以前用scikit-learn实现过这个算法，从头开始编写就会很容易？不是这样。

有些算法只是比其他算法更复杂，所以可以从简单的开始，比如单层感知器（Perceptron）。

本文将以感知器为案例，引导你完成从头开始编写算法的6个步骤。这种方法可以很容易地用于编写其他机器学习算法。

1. 对算法有一个基本的了解

这又回到了我最初所说的。如果你不了解基础知识，请不要从头开始处理算法。至少，你应该能够回答以下问题：

 ●  它是什么？
 ●  它通常用于做什么？
 ●  什么时候不能使用它？

对于感知器，上面三个问题的答案是：

 ●  单层感知器是最基本的神经网络，通常用于二进制分类问题（1或0，“是”或“否”）。
 ●  它是一个线性分类器，因此只有在存在线性决策边界的情况下才能有效使用。一些简单的用途可以是情绪分析（正面或负面反应）或贷款违约预测（“会违约”，“不会违约”）。对于这两种情况，决策边界都必须是线性的。
 ●  如果决策边界是非线性的，那么你实际上无法使用感知器。对于这些问题，需要使用其他算法。

 

原文链接