如何入門機器學習研究

　　機器學習(Machine Learning, ML)是一門多領域交叉學科，涉及概率論、統計學、逼近論、凸分析、算法復雜度理論等多門學科。專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。作為越來越受到矚目的學科，本篇簡要介紹如何做相關研究的入門。

　　首先找一本機器學習相關書籍，簡要過一遍基礎概念。

　　如果對于遇到的數學概念不明白的，還需要補充高數、線性代數、概率論相關知識。

　　熟悉了基礎概念之后，就可以到國際上的會議、期刊上尋找感興趣的方向的論文了。

　　了解一個領域的最新研究，需要泛讀大量文獻。選擇精讀其中有借鑒意義的部分文章，然后找到作者主頁(國際會議的文章作者一般都有個人主頁)，可以獲取到代碼，論文中往往也會提到數據集。獲取到代碼和數據集之后，就可以著手復現論文中的實驗了。

　　在復現實驗之中，你會加深了解到論文的優點和不足之處，也為以后自己的優化奠定了基礎。

　　使用 Python 開始你的機器學習之旅

　　安裝 Anaconda

　　下一步是安裝 Anacona。有了 Anaconda ，你將可以開始使用 Python 來探索機器學習的世界了。Anaconda 的默認安裝庫包含了進行機器學習所需要的工具

　　基本的機器學習技能

　　有了一些基本的 Python 編程技能，你就可以開始學習一些基本的機器學習技能了。一個實用的學習方法是學到一定技能便開始進行練習。然而，如果你想深入學習這個領域，那么你需要準備投入更多的學習時間。

　　一個獲取技能的有效方法是在線課程。吳恩達的 Coursera 機器學習課程 是一個不錯的選擇。其它有用的在線訓練包括：

　　Python 機器學習： Scikit-Learn 教程

　　Python 實用機器學習教程

　　你也可以在 LiveEdu.tv 上觀看機器學習視頻，從而進一步了解這個領

　　學習更多的 Python 庫

　　當你對 Python 和機器學習有一個好的感覺之后，可以開始學習一些開源的 Python 庫。科學的 Python 庫將會使完成一些簡單的機器學習任務變得很簡單。然而，選擇什么庫是完全主觀的，并且在業界內許多人有很大的爭論。

　　一些實用的 Python 庫包括：

　　Scikit-learn ：一個優雅的機器學習算法庫，可用于數據挖掘和數據分析任務。

　　Tensorflow ：一個易于使用的神經網絡庫。

　　Theano ： 一個強大的機器學習庫，可以幫助你輕松的評估數學表達式。

　　Pattern ： 可以幫助你進行自然語言處理、數據挖掘以及更多的工作。

　　Nilearn ：基于 Scikit-learn，它可以幫助你進行簡單快速的統計學習。

　　探索機器學習

　　對基本的 Python、機器學習技能和 Python 庫有了一定理解之后，就可以開始探索機器學習了。接下來，嘗試探索一下 Scikit-learn 庫。一個不錯的教程是 Jake VanderPlas 寫的 Scikit-learn 簡介。

　　然后，進入中級主題，比如 K-均值聚類算法簡介、線性回歸、決策樹和邏輯回歸。

　　最后，深入高級機器學習主題，比如向量機和復雜數據轉換。

　　就像學習任何新技能一樣，練習得越多，就會學得越好。你可以通過練習不同的算法，使用不同的數據集來更好的理解機器學習，并提高解決問題的整體能力。

　　使用 Python 進行機器學習是對你的技能的一個很好的補充，并且有大量免費和低成本的在線資源可以幫助你。

途傲科技為中小企業提供網站制作、網站建設、微信H5、微信小程序，多商戶平臺，多級分銷系統，APP開發，手機網站，HTML5多端自適應網站，營銷型企業站建設，及對技術人才的培養等都積累與沉淀了豐富的心得和實戰經驗。

如果您有想法，可以將需求提交給我們【免費提交需求，獲取解決方案】

免責聲明：文章部分內容收集于互聯網，不代表本站的觀點和立場，如有侵權請聯系刪除。