关于我和机器学习

首次接触到机器学习是和一个朋友有关，这个是我在上海认识的一个群友，线下我们也见过面，四川大学的博士，现在在USA求学，当时他推荐了吴恩达的机器学习公开课。因为时差的关系，他偶尔出来冒个泡。另外一个对我机器学习有很大帮助的一个人也是一个群友，做CRT广告的，正是因为他才让我真正的去了解和学习机器学习，他也推荐了很多材料及书籍、视频。我和此君还有一个共同的话题就是跑步，此君跑步很历害，跑过超级马拉松，我也是在群里朋友的带动下才慢慢的喜欢上了这项运动，2016年1月1日，第一次去跑了个半马的比赛，21km最终完赛了，我自己也有点不相信自己，我居然能跑完。

还是回到正题，关于我对机器学习的理解，让我入门的一本书是《机器学习实战》，现在看来这本书过于简单，只是帮忙我们理解什么是机器学习以及机器学习可以做一些什么事情，一边看这本书，一边需要补充自己的知识库，因为里面有很多数学知识，你需要扩充知识才能真正用机器学习来做事情，毕竟很多商业项目不是玩具，一边看这本书，一边配合吴恩达的机器学习公开课，能坚持看完你差不多也就入门了，当然，有些章节不是只是简单的看一遍书就完事了，有些章节你需要多看几遍，这样才能加深理解。学习这些只是帮你入门，如果你想提高，这些还远远不够，数学方面的知识随便一门深入一下都够你读到博士，在学习的过程中，发现好多用到的知识有一部分是研究生的公共课，像《随机过程》，《矩阵理论》，《数值分析》等等，还有一部分就本科阶段的课程，如《概率》《线性代数》等等。有了以上基础，就需要实践操作，对于选择一门什么语言都玩机器学习，可能是受机器学习实战的影响，直接就用python了，把python官方文档的Tutorial看了一遍，然后就是实践了，python也有很多开源的机器学习工具包，拿来就可以直接用了，在此有两本书我觉得挺不错《Mastering
Machine Learning with scikit-learn》，《Python Machine Learning》，这两本书有实例，也有相关算法的推导等。在学习的过程中，如果只知道如何调用api还是不够的，机器学习你需要有理论基础，这样才能提高和改进，推荐李航的《统计学习方法》，这本书看起来会比较头痛，但是还是建议多看几次，个别章节需要反复的看，如朴素贝叶斯，支持向量机，逻辑斯谪回归等，因为大部分的机器学习应用需要就是分类回归聚类等。有了动手能力，也有了理论基础，你就需要发展一两个方向把所学到的知识串起来，如关注kaggle的比较，研究在现实中经常用到的推荐系统和文本分析，读一些paper等，坚持学习，你会慢慢发现你要学习的东西很多。