机器学习的第一条规则不要从机器学习开始

机器学习的第一条规则：

不要从机器学习开始。

不幸的是，对于一把锤子来说，所有东西看起来都像钉子。

每当我接到公司打来的电话，寻求帮助时，他们已经下定决心：他们想要使用机器学习。从那里开始谈话总是很诱人。然而，机器学习通常不是解决大多数问题的最佳方法。

这里有一个更好的方法：

步骤 1 - 从简单的启发式算法开始

启发式算法是一个花哨的词。我更喜欢称之为“简单规则”。

你应该从编写简单的规则开始解决大多数问题。它可能并不完美，但它比直接跳入机器学习是一个更好的解决方案。

这种方法有两个显著的优点。首先，你将更多地了解你需要解决的问题。其次，你将有一个基线来比较任何未来的机器学习解决方案。

例如，假设你正在建立一个网上商店，并且你想向你的用户展示一个推荐产品的列表。

与其考虑机器学习，不如先从一个固定的推荐列表开始。你可以将其升级为按受欢迎程度排序的列表。在考虑构建模型之前，你可以用多种方法解决这个问题。

步骤 2 - 用简单的模型替换启发式算法

有一个点是你不想继续增加规则的复杂性。维护一个简单的机器学习模型比维护一个复杂的规则代码库更容易。

当你的规则变得难以控制时，训练一个简单的模型，用它来替换你的启发式算法。

人们通常建议从简单的算法开始，比如线性回归或决策树。这是有道理的，但简单并不总是指算法，而是指它有多容易使用。

例如，ResNet-50 模型是一个复杂的卷积神经网络。但你可以下载一个预先训练好的版本，并快速开始使用它。

步骤 3 - 增加复杂性

有一个点是你的简单模型无法给你更好的性能。

此时你应该开始探索更复杂的解决方案。有时，一个更好的模型可以改善你的结果。有时，你需要将几个模型组合在一起。

如果我这些年来学到了一件事，那就是简单总是胜出。

manu

@svpino 考虑到定价和开发工作，简单地插入一个 LLM 是许多情况下的一个重要候选者

Projyot

@svpino 在当前情况下...如果公司想要优化代码和成本，那么他们需要反过来执行这些步骤

Jordi Rosell (jrosell@mastodon.social)

@svpino 最后，我们在这方面达成一致。:)