初解西瓜书--序言

初解西瓜书–序言

周志华教授的《机器学习》作为机器学习领域入门的书籍，深受广大学子之喜爱，也引导着我入门机器学习，作为萌新今天开启西瓜书的学习之路，初步了解机器学习理论。本博客仅作为私人的自学笔记，如有问题请联系我。
机器学习指南，四步走即可：

• 理论基础，结合视频教程/西瓜书初步了解机器学习理论。
• 理论进阶，结合step1学习的理论基础寓Python进行练习。
• 实战演练，在竞赛网站上结合实际案例进行练习。
• 实习工作，选择在相关实习岗位积累经验。

---

序言

西瓜书的序言由中科院陆汝钤院士所作，主要提及了一下机器学习的现状及其思考。

机器学习，是人工智能领域中，最能体现智能的一个分支。机器学习领域内，细分的研究热点也在与时俱进，二十世纪八十年代，符号学习是机器学习的主流；到了二十世纪九十年代，统计机器学习则制霸此领域。前者属于纯粹理论研究和模型研究，后者则是以解决现实问题为目的。

在序言中，陆汝钤院士提出了一些自己的疑问和思考。

1、曾经盛行的符号学习是否在当今的AI研究中被忽略了？
2、假定样本数据集“独立同分布”，对于机器学习来说是否是必需的？
3、深度学习是否代表了机器学习的新方向？
4、在AI领域用到的数学方法主要是概率统计，那么难道只有统计方法适用于机器学习吗？
5、离散方法处理符号机器学习问题，连续方法处理统计机器学习问题，那么如何将二者统一起来？
6、大数据时代的出现，有没有给机器学习带来本质的影响？

“独立同分布”是指变量序列或者其他随机变量有相同的概率分布，且相互独立，那么这些随机变量是独立同分布。
为什么机器学习中, 要假设我们的数据是独立同分布的？

西瓜书目录

CH1 绪论

CH2 模型评估与选择

CH3 线性模型

CH4 决策树

CH5 神经网络

CH6 支持向量机

CH7 贝叶斯分类器

CH8 集成学习

CH9 聚类

CH10 降维与度量学习

CH11 特征选择与稀疏学习

CH12 计算学习理论

CH13 半监督学习

CH14 概率图模型

CH15 规则学习

CH16 强化学习

CH chapter n. 章，回；（俱乐部、协会等的）分会；人生或历史上的重要时期 vt. 把…分成章节

readme

1.不要迷信论文，尤其是最新的论文。暑假时总以为坚持看哪天说不定就能打通任督二脉，但永远只是看不去复现。新论文        不一定好，研究与实际也有一定差距，论文要选择经典实用的，最重要的要把论文里的东西用起来；
2.不要随大流，以为自己可以坚持下去，就一定有收获。机器学习方向很广，能依据自己的已有的优势进行方向选择，是省时省力最有效的；
3.别迷信特定的模型，发现某个模型好能解决问题，以后就都用这个模型了，不深究原理与优劣点。
4.懂得迎难而上，遇到不懂的问题不要放弃。有些理论算法需要大量时间去钻研，在缺乏基础的情况下不死磕很难跨过去，并且理论学习要不忘结合实践。
5.数学很重要，这是理解算法的基础，不过不是要专门钻研数学，要依据学习需要补足数学知识。
6.自学是一种很好的方法，不过免费的东西永远是最贵的，时间是买不回来的。
7.推荐看一下网易机器学习工程师微专业，一开始买课我也犹豫不决，毕竟价格对学生的我不算便宜，不过听了几次公开课，我感觉网易的牌子靠得住，事实也证明我没有选错，有人带着学习跟自学真的完全不一样。