小白机器学习过程

机器学习过程主要还是两方面，理论积累和项目经验。理论积累其实学习资料比较多，书籍有周志华的西瓜书，李航的统计学习，还有学机器学习很经典的PRML，视频网课有吴恩达的机器学习视频，b站上有资源。项目上经验包括可以参加相关的比赛，看相关的书籍。

下面分享一下个人学习（其实中途走了很多弯路）之后，比较推荐的学习路线，首先对于小白来说，可以先看吴恩达的机器学习视频，讲的计较明白，一开始其实不是很建议看西瓜书，西瓜书涉及的知识广而杂，公式推导部分省略了一些过程，对于理解会产生很大的障碍，吴恩达视频可以边看视频边做相关作业（需要资源的可以私信我），当学习完吴恩达视频以后，其实你已经对基本的机器学习方法有个大致了解和掌握，接着你可以看李航的统计学习，其实也可以跟着视频一起看，相互补充，书籍里面有很多视频没涉及的内容，决策树，adaboost等等，为什么还是推荐看统计学习呢，因为个人看了西瓜书和统计学习方法，统计学习方法讲的比较容易理解，包括公式推导，书本上的例子和课后题也比较好理解。

项目经验上，说到项目经验，这里先说一下机器学习语言的选择，首推python，对于没有python学习和开发经验的人，可以先去看《Python编程：从入门到实践》，看前10章，看起来很快，对基本的东西有个了解后，可以看看《机器学习实战》相关的程序，copy相关程序，并试着改相关参数，看下变化。

学习完上述之后，你可以报个相关的比赛，抱着学习的心态，看看自己又哪些需要继续补充学习，比如京东的数据预测，阿里天池，kaggle，华为软挑（2018年涉及机器学习），你会发现你很多三方库不会用，或者说很不熟练，pandas，numpy，skelearn等等，参加比赛的时候其实你会发现数据处理很重要，此时推荐你去看一本书《利用python进行数据分析》，里面讲解了pandas，numpy等相关库，并介绍了数据处理-清洗，合并，重塑。这时其实你可能会有种感觉，好像学了跟没学一样，其实是正常的，你不能一味的把所有的东西都学会，用到啥去学啥，才是掌握的最快的。加油，学习过程需要自己摸索。

以上仅是个人学习建议，不喜勿喷！

附录：自己整理的吴恩达机器学习视频的思维导图