机器学习入门

最近新冠病毒席卷全球,只能在家隔离。正好借此机会,有了大块的时间,可以学习一点系统的知识。于是打算学习一下机器学习。

学习课程

其实现在网络上一点都不缺学习的资料,好的课程随便一搜一大把。缺的是时间和毅力。

我是首先学习了吴恩达老师的《machine learning》,整个课程19小时,英文授课,有中英字幕,课程是2011年录制的,稍微有点老,但本身这个领域的基础知识是基本没有变化的。大概有了一个对机器学习的基本认识之后,我决定再找一个比较新的并且有实操的课程重新学习一遍,于是找到了慕课网bobo老师的《Python3入门机器学习》课程。因为目前python 语言在机器学习领域生态发展的特别好,是很不错的选择,所以选了这门课程。

当然,在这之前,因为学习吴恩达老师的课程时,只是走马观花过了一遍。但确实发现,大学时候学的高数和线性代数基本已经忘记了,但很多算法的推理讲解还是要用到很多数学知识的,于是决定重温一下宇哥的高数和线代。

这里感叹一句,互联网时代是真的好啊,尤其是对于学习学习和进步的人。这么多优质的资源,全是免费的,简直越学越开心。另外对于还在上大学的同学提醒一句,如果你的大学数学老师,或者其他老师,讲的课实在是一般或者垃圾,那么你完全不要听了,互联网上的名师比他们讲的好一百倍!有的水平低的老师简直是误人子弟,会学习和会找学习资料的人,不听课照样学得更好。可惜我也是毕业了之后才知道的,亡羊补牢,为时未晚。

《machine learning》吴恩达

《Python3入门机器学习 经典算法与应用》bobo

《高数》张宇

《线性代数》张宇

环境搭建

Anaconda

机器学习需要搭建很多的环境,不同的算法又有不同的依赖,还有数据集等。对于初学者,要求比较高。好在已经有集成好的一整套环境,咱们可以下载Anaconda来直接安装环境。

The open-source Anaconda Distribution is the easiest way to perform Python/R data science and machine learning on Linux, Windows, and Mac OS X. With over 19 million users worldwide, it is the industry standard for developing, testing, and training on a single machine

python3

python在机器学习领域有着不可替代的优势,所以我们有必要简单的了解一下。

这里我们介绍下接下来会常用到的一些第三方包:

import numpy      # 处理矩阵变换等的数学库
import matplotlib # 可视化相关
import sklearn    # 机器学习相关
import pandas     # 数据表格管理相关

课程代码

https://github.com/liuyubobobo/Play-with-Machine-Learning-Algorithms

Leave a Comment

电子邮件地址不会被公开。 必填项已用*标注