今天是一點經驗分享，包大人當初用這個路子入門機器學習的。

前言

回顧了下我當初入門機器學習方式，發現還是有些特點的。因為是科班出身，所以是那種穩扎穩打，自頂向下，理論結合實踐的方式，比較注重用代碼實現去理解原理。代碼有個好處就是不會騙人，光看理論有種我明白了，但是很模糊，如果結合代碼就非常清晰了。用兩個字說就是“扎實”。

---

主要分為原理入門，編程理解，實戰應用，三個步驟。其中非常強調過程中的正反饋，和優質的資源。正反饋是長久堅持的動力來源。優質資料是高效正確的保證。

比較反對下面這樣囫圇吞棗，良莠不齊，就想著21天從入門到精通的方式。

第一、反對上來就給你推薦python，sklearn，pandas之類的。這些東西往往把細節都藏起來了，容易變成調包俠。

第二、?不推薦任何國內的非知名大學的視頻教程。大部分的東西不是抄就是質量太差，有吳恩達的公開課不看去買網課，留著錢買個大雞腿吃不好嗎。

第三、不推薦任何上來就是各種花里胡哨從開發到部署的實戰項目，抓住人就想心急吃熱豆腐的心理貪圖你的錢包。

第一階段：原理入門

目標是搞清楚機器學習的基本概念和基本的算法原理。這個階段的正反饋來自于新知識的獲取，原理的理解。不要好高騖遠。下面介紹幾種入門方法，分別對應看書入門黨，看視頻入門黨，有一些精選的優質資源推薦給初學者。推薦的資源，周志華《機器學習》，李航《統計學習方法》 Peter Harrington 《機器學習實戰》吳恩達 Coursra 機器學習公開課

首先看書入門黨，周志華和李航老師的西瓜書和統計學習方法都可以，可以快速地看完前幾章，不要具體到算法，如果你愿意，看完邏輯回歸就可以了，首先明白機器學習問題的定義，其次明白幾個關鍵的名詞，訓練驗證測試，偏差方差，樣本，特征，標簽。然后去看什么是監督學習什么是無監督學習，大概了解了這些之后，再到具體的算法。再推薦一本書《機器學習實戰》綠皮書，這些書的特點就是原理講的很明白，《機器學習實戰》所有的算法都用代碼實現了一遍，邏輯清晰很好理解，比那些用sklaern的書強一萬倍。

看視頻入門黨，推薦吳恩達 Coursera 上的《機器學習》，吳恩達老師設計的課程已經非常適合入門了，側重原理，邏輯清楚，機器學習的細節也面面俱到。

經過上述階段，你大概對機器學習要解決的問題，使用的方法和適用場景都有所了解了，這時候，你大概對算法的原理也都八九不離十，但是學習原理總是枯燥的，不過一定要堅持下來，千萬不要在這個階段滿足于調包。

第二階段：在編程中理解

目標是能夠自己動手實現算法的細節而不是用sklearn去調包。正反饋是自己動手從頭正確實現機器學習算法。?推薦資源?Peter Harrington 《機器學習實戰》吳恩達 Coursra 機器學習公開課編程作業。

這里推薦吳恩達老師機器學習課程的作業，不需要把每個算法都實現一遍，但是要在實踐中去理解機器學習的基本算法套路，比如梯度下降是怎么做的，鏈式法則怎么用程序表達。還有就是《機器學習實戰》的配套代碼，這本書的最大好處是讓你能夠用最基本的python語法，從底層上讓你構建代碼，實現我們常說的比如郵件過濾，數據分類的應用。

很多時候你要寫最基本的代碼和結構去做這些工作，而不是像sklearn去調用fit 和predit，你能實現算法的底層原理，知道決策樹的分割增益計算如何寫代碼，梯度下降如何寫代碼，知道機器學習是如何從0到1實現的。

不過這本書比較老舊了，重點也不是講解理論方面的東西，可以當成第二個階段的教材，和第一階段互補。

另外。如果你是NLP方向的同學，可以看一下詞向量GloVe的代碼實現，為什么推薦GloVe的代碼，他是一個用純c語言寫的機器學習做矩陣分解來求解詞向量的程序，包含實現隨機梯度下降，損失函數定義，數據并行處理等基本的要素，是麻雀雖小，五臟俱全，代碼邏輯清晰，涉及到機器學習的方方面面，而且，毫無調包，代碼量不大，很容易看懂。

第三階段：實戰應用

目標是把機器學習應用到實際問題中，加深對算法的理解。正反饋來自于使用機器學習工具來解決實際問題。推薦資源Kaggle。

這時候，你對機器學習的原理，實現都有了解了，但是機器學習畢竟是一門應用的科學，我們通過在實戰中學習機器學習。所以這個階段非常適合打比賽。這里比較推薦Kaggle平臺，不推薦國內的競賽平臺，除非你想給自己添堵，被排行榜上各種騷操作嚇呆。至于怎么玩kaggle，推薦kaggle kernel上的開源討論，以及一些比較好的Grand Master的分享。

后話

上面三個階段，在具體的知識點上可以互相交叉。比如，你看完了邏輯回歸，動手實現了一下，然后上kaggle做了一個數據集的任務。不是說非得把所有的長篇大論看完了，這樣能更有利于你學習。

如果你有什么特別好的資源推薦，或者入門方法，歡迎放到評論區～

往期精彩回顧適合初學者入門人工智能的路線及資料下載機器學習及深度學習筆記等資料打印機器學習在線手冊深度學習筆記專輯《統計學習方法》的代碼復現專輯 AI基礎下載黃海廣老師《機器學習課程》視頻課黃海廣老師《機器學習課程》711頁完整版課件

本站qq群955171419，加入微信群請掃碼：

總結

以上是生活随笔為你收集整理的【机器学习】扎实入门机器学习的路子的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。