注册一亩三分地论坛，查看更多干货！
您需要 登录 才可以下载或查看附件。没有帐号？注册账号
x
本帖最后由 大队管理员 于 2019-12-4 13:08 编辑
本篇是接着上一篇机器学习入门经历（https://www.1point3acres.com/bbs/thread-574769-1-1.html），继续介绍我的机器学习的入门经历。
第三阶段：学习机器学习基础如果说前两个阶段中对于概率论和凸优化的学习是磨刀阶段的话，这个阶段就是真正开始学习机器学习基础知识的阶段。如果是第一次接触机器学习的话，我觉得周志华的《机器学习》作为入门还是蛮不错的。这本书就是带着你一个一个的把机器学习中涉及到的各种基本概念和基础算法都过了一遍，让你对机器学习的世界有一个基本的了解。这本书的优势在于：首先是中文，方便理解；其次数学上的推导运算并不多，而是通过一些生动的例子（比如各种选西瓜的例子。。。）帮你去理解各个算法的基本概念；还有就是比较全，帮你消除对于机器学习中各种概念和算法的陌生感。
但是如果想要真正对于机器学习的各种经典算法有一个更深刻的理解，我还是强烈建议去精读一下《Pattern Recognition and Machine Learning》by Christopher M. Bishop。这本书太过经典以至于人们在各种机器学习的经验贴中一般只写它的缩写PRML。当然还有另一部齐名的缩写经典MLAPP我并没有时间去读。。。所以也无从比较这两本书哪一本更好。这本书虽然数学公式有点多，而且是一个大部头，但是读完以后给我的震撼还是十分深刻。给我的感觉就是：在读完《机器学习》后所有的算法和概念就像一颗颗珠子放在桌子上，你可以一粒粒的去数去把玩。而PRML则是把所有的这些珠子用一个背后的线串成项链，让我明白它们背后的联系和区别到底是什么。具体来说，PRML给我印象最深的一个观点就是它把很多看似完全不相关的算法（比如SVM，NN，Desicion Tree等等）都回归成了Linear Regression Model。然后在这样相同的框架下去比较各个算法在平衡函数表达力和解决维度灾难这两方面不同的优劣，进而让我们能从更深层的角度知道为什么SVM和NN要比Simple Linear Regression更牛等类似问题的答案。所以多花一些时间读这本书还是物超所值的。
第四阶段：Deep Learning
当我终于看完PRML后，我其实是有些小兴奋的，所以忙不迭的找出机器之心公众号文章看了起来，发现自己一篇也看不懂。。。其实这是因为PRML主要讲的还是经典的机器学习算法，然而最近几年深度学习技术突飞猛进，彻底改变了人工智能领域的方方面面，以至于大部分从业人员基本上都开始使用深度学习了。为了能跟得上目前机器学习的脚步和潮流，我还是不得不开始了深度学习之旅。其实这个阶段的书选择相对比较少了，而且基本大家公认的一本经典就是《Deep Learning》by Ian Goodfellow etc。这本书太过经典以至于它也有一个别名叫“花书”，可能因为封面有好多花的缘故。这本书第一到第四章主要讲了一些数学背景知识，相信经过第一和第二阶段的学习后可以跳过。第五章只用了一章篇幅回顾了所有主要的经典机器学习算法。也因为篇幅有限，所以这章没有细讲各个算法的推导过程，而是着重去讲算法背后的逻辑，其深刻和精彩程度感觉并不亚于PRML。从第六章还是正式介绍深度学习的各种前沿算法，包括CNN，RNN，seq2seq等。顺着书看完一遍，基本上会对各种技术都能有一个比较全面的了解。尤其值得一提的是第十一章，作者十分好心的分享了各种Deep Learning实际运用时可能遇到的各种问题，比如如何判断是否overfitting需要增加training data，如何判断设计baseline model，感觉真的是良心之作，对现实工作具有很强的指导意义。
第五阶段：Keep (Deep) Learning
到了这个阶段，感觉机器学习的入门之旅进入到了一个比较tricky的地方。这是因为虽然《Deep Learnining》这本书涵盖了很多最新的技术，但是还是有一些十分重要的技术这本书没有涉及，或者这本书并不是一个学习该技术的好材料。这是因为机器学习领域发展实在太快了，而学术界到工业界的转化也十分惊人，这就导致可能目前被广泛应用的一项技术并不会在任何书籍中被详细介绍，而是只能通过原始的学术论文来学习。我想这也是为什么搞机器学习的人都多多少少需要看论文的原因。这一点在其他传统行业是很难想象的，但我想这也是机器学习领域的魅力所在：快速发展，日新月异。在这个阶段，我也只选择性的学习了几个我自己比较感兴趣的技术，还有很多技术我并没有时间去学习。所以在这里我也只能分享一些我自己学习过的技术。
以上就是我学习机器学习的入门过程，更多的是我自己的个人感受，而绝非什么正确的路线。起初我也看了很多学习机器学习的经验贴，得出的结论就是每个人的经验都不相同，适合自己的才是最好的。比如很明显你会发现我并没有看任何网络课程，就是因为我每次上这种课程总走神犯困。。。
所有学习的最终目的都是为了实践，而实践也是学习最好的方式。所以如果你有什么相关的项目想法，或者就是想单纯的交流，也欢迎告诉我，给我留言。希望我的分享对你会有所帮助。感谢阅读。
| 
狗仔卡
收藏
淘帖
好苗
杂草
提升卡
置顶卡
关贴卡
开贴卡
变色卡
千斤顶
楼主
