机器学习入门路线

感谢某洋博士的深入浅出的指导,(手动微笑脸)

入门课程

• 快速浏览coursera上吴恩达(Andrew NG)的machine learning课程,此课程为入门
• Andrew NG 同时还有一门Standford的公开课,此课程为进阶.博士说是公式漫天飞.

工具

• 语言: Python(简单,易用,库多)
• 工具库: Python的库scikit-learn

知识流程

Machine Learning简图

以下为博士深入浅出的解释

1. 处理数据，类似清理数据和选取有效的数据；
2. 第二步和第三步其实应该是一起的，就是将数据用特征表示，比如你是一个sample，那么可以通过性别啊，身高来表示你，然后将性别和身高转化成机器能够读懂的数据；
3. 第四步就是从表示你这个sample的特征中选取有效的特征去区别你和我。e.g.我们俩都是男人，所以性别这个特征就可以去掉，留下身高和体重来区分我们两个；
4. 第五步就是将用特征描述的samples输入给分类器，训练分类器，最后这个分类器就可以用来区分春娇(一目前发福的同学)，到底是属于我这样的胖子类，还是属于你这样的瘦子类。

其他

博士建议,

1. 书籍一般都过于理论化,课程入门比较快速,而且Andrew NG的课非常经典(所以这里我就不做记录了)
2. 应用的话基本弄清上述的步骤和各步骤相关算法和各算法的优劣即可.具体使用直接用python的库就好.
3. 比较新的需要综合阅读论文和文献,但是理解比较先进的文献需要有一定的深入理解和理论积累

资源

由于家庭网络问题,无法fanqiang,所以无法给出具体的coursera和公开课的链接.
不过可以考虑使用

• mooc_Andrew NG coursera版machine learning课程(入门)
  这个是coursera和国内的一些厂商合作办的.
• 网易公开课_Andrew NG Standford版课程(进阶)
  这个应该是国内最好的资源了