機器學習在實踐中：自己編寫算法還是使用Weka？

Question

我問自己，大多數人是否自己編寫機器學習算法本身，或者他們是否可能使用Weka或R包等現有解決方案。

當然，這取決於問題 - 但我們假設我想使用像神經網絡這樣的通用解決方案。是否有理由自己編寫代碼？更好地理解機制並適應它？還是標準化解決方案的想法更重要？

Answer 1

這不是一個好的問題Stackoverflow。這是一個意見問題，而不是編程問題。

不過，這是我的看法：

這取決於你想要做什麼。

• 如果你想找到哪種算法效果最好爲您的數據的問題在手邊，儘量ELKI，Weka中，R，Matlab的，SciPy的，等等。嘗試所有可以找到的算法，並花費更多時間對數據進行預處理。

• 如果您知道您需要哪種算法，並且需要將其投入生產，那麼這些工具中的許多工具的性能不夠好，或者不夠容易集成。相反，請檢查是否可以找到提供所需功能的低級庫（如libSVM）。如果這些不存在，請推出您自己的優化代碼。

• 如果你想在做研究在這個領域，你最好是擴大現有的工具。 ELKI和Weka都有可以插入的API來提供擴展。 R並沒有真正的API（CRAN它是一團糟......），但是人們只是把他們的代碼轉儲到某個地方，並希望添加一個手冊來說明如何使用它。擴展這些框架可以爲您節省大量的工作量：您可以使用比較方法，並且可以重複使用大量的代碼。例如ELKI有很多索引結構來加速算法。大多數情況下，索引加速比寫實際算法難得多。因此，如果您可以重複使用現有的索引，這也會使您的算法速度更快（您也將從這些框架的未來增強中受益）。

• 如果你想瞭解現有的算法你最好自己實現它們。您會驚訝地發現，與在課堂上教授的內容相比，優化某些算法還有多少。例如。 APRIORI。基本想法很簡單。但是讓所有的修剪細節都正確，我說20個學生中有1個得到了這些細節。如果你實現了APRIORI，然後將其與已知的良好實現進行比較，並試圖理解爲什麼你的速度要慢很多，那麼你實際上會發現算法的細節。不要驚訝地發現ELKI，R，Weka等之間的性能差異達到了100倍 - 它仍然可以是相同的算法，只是在實際使用的數據結構，內存佈局等方面實現或多或少的效率。