感謝某洋博士的深入淺出的指導(dǎo),(手動(dòng)微笑臉)
入門課程
- 快速瀏覽coursera上吳恩達(dá)(Andrew NG)的machine learning課程,此課程為入門
- Andrew NG 同時(shí)還有一門Standford的公開課,此課程為進(jìn)階.博士說是公式漫天飛.
工具
- 語言: Python(簡單,易用,庫多)
- 工具庫: Python的庫scikit-learn
知識流程
Machine Learning簡圖
以下為博士深入淺出的解釋
- 處理數(shù)據(jù)，類似清理數(shù)據(jù)和選取有效的數(shù)據(jù)虑乖；
- 第二步和第三步其實(shí)應(yīng)該是一起的，就是將數(shù)據(jù)用特征表示疹味，比如你是一個(gè)sample仅叫，那么可以通過性別啊糙捺，身高來表示你，然后將性別和身高轉(zhuǎn)化成機(jī)器能夠讀懂的數(shù)據(jù)继找；
- 第四步就是從表示你這個(gè)sample的特征中選取有效的特征去區(qū)別你和我。e.g.我們倆都是男人，所以性別這個(gè)特征就可以去掉幻锁，留下身高和體重來區(qū)分我們兩個(gè)；
- 第五步就是將用特征描述的samples輸入給分類器哄尔，訓(xùn)練分類器假消，最后這個(gè)分類器就可以用來區(qū)分春嬌(一目前發(fā)福的同學(xué))岭接，到底是屬于我這樣的胖子類，還是屬于你這樣的瘦子類鸣戴。
其他
博士建議,
- 書籍一般都過于理論化,課程入門比較快速,而且Andrew NG的課非常經(jīng)典(所以這里我就不做記錄了)
- 應(yīng)用的話基本弄清上述的步驟和各步驟相關(guān)算法和各算法的優(yōu)劣即可.具體使用直接用python的庫就好.
- 比較新的需要綜合閱讀論文和文獻(xiàn),但是理解比較先進(jìn)的文獻(xiàn)需要有一定的深入理解和理論積累
資源
由于家庭網(wǎng)絡(luò)問題,無法fanqiang,所以無法給出具體的coursera和公開課的鏈接.
不過可以考慮使用
-
mooc_Andrew NG coursera版machine learning課程(入門)
這個(gè)是coursera和國內(nèi)的一些廠商合作辦的. -
網(wǎng)易公開課_Andrew NG Standford版課程(進(jìn)階)
這個(gè)應(yīng)該是國內(nèi)最好的資源了
