我的机器学习起步如何Getting Started

学习技巧和原则

• 先通过经典书籍进行科普
• 知名机器学习网站
• 根据书籍或网站的目录，先泛读、再选择有兴趣的部分重点精读、后至于反复读
• 知行合一

起步Getting Started

• 周志华版《机器学习》，又名西瓜书

可以作为科普书籍，需要主动略过对于理论推导过程，和数学公式的求真

介绍的非常全面，可作为参考书籍

书籍的前几章基本上概括了机器学习现在的框架，有助于对具体的机器学习算法或工具进行把握

• 吴军博士《数学之美》

更侧重对于自然语言处理、语音识别、搜索等方面的人工智能上层应用，做了专向的科普和技术原理概要介绍。

文风轻松、叙事流畅，读起来相当轻松

区别于常见回归、分类的基础应用，对于更上层的人工智能技术应用进行了介绍，并阐述了背后的数学原理并不复杂

更侧重于基于大数据的概率统计、马尔可夫过程、条件概率等技术手段进行人工智能应用

• scikit-learn.org官网起步资料
• • getting_started
    

介绍了粗略结构

• • user_guide目录结构

仅关注目录结构，把握机器学习的大脉络

每个章节仅读取头部几个章节的简单的内容

数据清洗，对于这一部分目录的了解，让你几乎可以作为一名初级的数据工程师

• • 简明扼要介绍机器学习要解决的问题
• • • 有监督学习：分类问题、回归问题
• • • 无监督学习： 聚类、概率分布、降维等
• • Faqs

英文比较好的同学，可以深入研究其它官网例子

• 信息论主要观点
• • 信息消除不确定性
• • 信息量、信息熵

代码例子学习网站

• scikit-learn

相当全面的机器学习工具库，着力解决中小数据规模的机器学习问题，但大部分也够用了

基于深度学习的神经网络，确实在既适应线性问题、又适应非线性问题方面比较突出
可视化例子

• OpenCV

对于图片或视频进行处理，可以进行一些SVM或KNN的机器学习，甚至包括一些预处理。例如，常用的图片灰度化手段，其实从机器学习来看，就是专家赋能后进行降维处理，但是，对于学习任务信息量又没有丢失太多，以致于学习不到什么东西。

彩蛋

• 回归问题和分类问题的桥梁

对数几率回归；两者的差别没有想想的那么大

• CNN卷积神经网络

在图片特征抽取上面找到了工程上可接受的调参技术手段，关键在于最终步骤采样特征向量形成

相比较于常见较为容易处理特征向量，深度学习对于容易获取的图片数据、但难以描述其典型特征的的粗材料数据，提供了形成特征向量的方法

• 对于关系数据库中的表记录作为特征向量的思考

关系数据库中的唯一索引对于机器学习并不友好，可以考虑提前去除

非唯一索引等非独立属性可以作为聚类分析的关注对象
其它列数据基本上可以做到相互独立，或依赖比较弱

• 算力的忧虑

一般人很难拥有强大算力，需要注意如何自举

结束语

机器学习对于其成熟的应用领域，确实达到了工具化的程度，如果了解了，就会能够使用，并成为倍增器！