原文： https://machinelearningmastery.com/how-do-i-get-started-in-machine-learning/
我收到每日电子邮件询问的问题：
我如何开始机器学习？
这篇文章提供了我的快速回答。 这是我的答案。
所以这里是如何开始机器学习，快速版本。
您对机器学习感兴趣，但您不确定您正在寻找的具体结果。
- 也许您有兴趣了解有关机器学习算法的更多信息。
- 也许你对创建预测感兴趣。
- 也许你对解决复杂问题很感兴趣。
- 也许你对创建更智能的软件感兴趣。
- 也许你甚至有兴趣成为一名数据科学家。
我有个建议......
给定数据集，学习如何可靠地创建准确的模型。
- 您将了解机器学习算法的类型和行为。
- 您可以直接使用结果预测。
- 您可以构建能够解决复杂问题的技能。
- 您可以在软件中使用这些模型。
- 您可以在比赛中使用模型，例如 Kaggle 上的模型。
- 您可以使用结果来展示您在应用机器学习方面的技能。
你将被告知学习数学，阅读教科书和学习理论。
也许这条路对学术界有好处。我称这种方法是自下而上的方法来开始机器学习。
这不是唯一的途径。还有其他方法。
以下是入门步骤：
- 相信。知道你可以通过练习解决问题（自上而下）而不是学习理论（自下而上）来学习机器学习。
- 选择一个过程。选择一个系统的过程，从头到尾处理机器学习问题，您可以使用它来可靠地获得您所处理的任何问题的良好结果。
- 选择一个工具。选择可用于实际解决问题的工具或平台，并将其映射到您选择的系统流程。
- 选择一个数据集。选择要处理的数据集并练习该过程。理想情况下，选择要练习的问题的属性，并找到具有要练习的特征的充分理解的数据集。
- 建立投资组合。在半正式的工作产品（博客文章，演示文稿，技术报告）中写下您的结果和知识，并公开分享，以展示您不断增长的机器学习技能和能力，并吸引志同道合的从业者。
学习机器学习的更好方法，从端到端的工作机器学习问题开始。
一旦您确定了流程和工具，请重复步骤 4 并在步骤 5 中构建您的投资组合。
好的过程，但不够具体到你？
让我们更具体一点。
- 相信。承认你有限制信念阻碍你。
- 处理。 使用我的程序。使用此清单来解决分类问题。
- 工具。使用 WEKA 。它提供了大量算法和图形用户界面，无需任何编程。这是一个教程，用于创建您的第一个分类器。
- 数据集。从 UCI 机器学习库中选择数据集。这篇文章将帮助您按特征选择数据集。从虹膜花数据集开始。
- 投资组合。查看这篇文章，解释了如何构建机器学习组合。
加载了 Iris 数据集的 Weka Explorer Interface
有很多理由没有开始机器学习。
我没有数学。我无法编程。所以一直都在。
如果你想开始机器学习。开始吧停止准备开始！
如果你想深入了解我认为你应该开始学习机器的方法，请阅读我的帖子“机器学习程序员”。它涉及更多细节。
你有问题吗？一个疑问？发表评论。