什么是一些好的机器学习编程练习？

Question

理想情况下，它们具有以下特征：

1. 它们可以在编码的一个晚上完成。它不需要一周或更长时间才能获得有趣的结果。这样，我觉得我已经学会了并且只用一次（可能是几个小时）的时间就完成了一些事情。

2. 问题来自现实世界，或者它们至少是现实世界问题的玩具版本。

3. 如果问题需要数据来测试解决方案，那么现实世界的数据集很容易获得，或者我自己生成有趣的测试数据是微不足道的。

4. 很容易评估我的工作有多好。当我测试我的解决方案时，从结果中可以清楚地看出，我已经完成了一些非常重要的事情，无论是通过简单的检查，还是通过量化的结果质量测量。

Answer 1

实施以下算法：

• Perceptron，margin perceptron：您可以尝试使用任何面部数据库检测面部图像（对面部和非面部图像进行分类）。试试MIT CBCL face database。你也可以尝试MNIST data并写一个穷人的OCR系统。
• LVQ，Kohonen地图：您可以尝试压缩图像。您可以从任何壁纸网站下载大图像。
• 朴素贝叶斯分类器：您可以对垃圾邮件进行分类，而不是垃圾邮件。鉴于文章，还有更多科学数据集，例如Reuters和新闻组等，你必须确定这个主题。
• 反向传播，多层感知器：您可以尝试使用面部或垃圾邮件，或with the text/histogram data。
• 使用SGD进行原始SVM线性学习：例如，您可以使用MNIST数字进行尝试。

有很多项目，其中一些需要几个小时，有些需要几天，但你肯定会学到很多。

Answer 2

大多数机器学习项目可能需要一些时间。

如何对贝叶斯文本进行分类？

NLTK Toolkit（Python的自然语言工具包）中的一个示例是电影评论。该工具包提供标记为正面或负面的电影评论。

编写贝叶斯分类器，可以使用此数据进行培训，对电影评论进行分类。

Answer 3

检查UCI machine learning repository输出真实数据集。

Breast Cancer Wisconsin (Diagnostic) Data Set 例如。 检查数据集描述以获取有关它的更多信息。

即使是Naive Bayes分类器也会在此数据集上获得很好的结果（超过95％的交叉验证精度）。如果我没记错的话，通过一些变量选择你甚至可以达到100％。