今天是一点经验分享，包大人当初用这个路子入门机器学习的。

前言

回顾了下我当初入门机器学习方式，发现还是有些特点的。因为是科班出身，所以是那种稳扎稳打，自顶向下，理论结合实践的方式，比较注重用代码实现去理解原理。代码有个好处就是不会骗人，光看理论有种我明白了，但是很模糊，如果结合代码就非常清晰了。用两个字说就是“扎实”。

主要分为原理入门，编程理解，实战应用，三个步骤。其中非常强调过程中的正反馈，和优质的资源。正反馈是长久坚持的动力来源。优质资料是高效正确的保证。

比较反对下面这样囫囵吞枣，良莠不齐，就想着21天从入门到精通的方式。

第一、反对上来就给你推荐python，sklearn，pandas之类的。这些东西往往把细节都藏起来了，容易变成调包侠。

第二、 不推荐任何国内的非知名大学的视频教程。大部分的东西不是抄就是质量太差，有吴恩达的公开课不看去买网课，留着钱买个大鸡腿吃不好吗。

第三、不推荐任何上来就是各种花里胡哨从开发到部署的实战项目，抓住人就想心急吃热豆腐的心理贪图你的钱包。

第一阶段：原理入门

目标是搞清楚机器学习的基本概念和基本的算法原理。这个阶段的正反馈来自于新知识的获取，原理的理解。不要好高骛远。下面介绍几种入门方法，分别对应看书入门党，看视频入门党，有一些精选的优质资源推荐给初学者。推荐的资源，周志华《机器学习》，李航《统计学习方法》 Peter Harrington 《机器学习实战》吴恩达 Coursra 机器学习公开课

首先看书入门党，周志华和李航老师的西瓜书和统计学习方法都可以，可以快速地看完前几章，不要具体到算法，如果你愿意，看完逻辑回归就可以了，首先明白机器学习问题的定义，其次明白几个关键的名词，训练验证测试，偏差方差，样本，特征，标签。然后去看什么是监督学习什么是无监督学习，大概了解了这些之后，再到具体的算法。再推荐一本书《机器学习实战》绿皮书，这些书的特点就是原理讲的很明白，《机器学习实战》所有的算法都用代码实现了一遍，逻辑清晰很好理解，比那些用sklaern的书强一万倍。

看视频入门党，推荐吴恩达 Coursera 上的《机器学习》，吴恩达老师设计的课程已经非常适合入门了，侧重原理，逻辑清楚，机器学习的细节也面面俱到。

经过上述阶段，你大概对机器学习要解决的问题，使用的方法和适用场景都有所了解了，这时候，你大概对算法的原理也都八九不离十，但是学习原理总是枯燥的，不过一定要坚持下来，千万不要在这个阶段满足于调包。

第二阶段：在编程中理解

目标是能够自己动手实现算法的细节而不是用sklearn去调包。正反馈是自己动手从头正确实现机器学习算法。 推荐资源 Peter Harrington 《机器学习实战》吴恩达 Coursra 机器学习公开课编程作业。

这里推荐吴恩达老师机器学习课程的作业，不需要把每个算法都实现一遍，但是要在实践中去理解机器学习的基本算法套路，比如梯度下降是怎么做的，链式法则怎么用程序表达。还有就是《机器学习实战》的配套代码，这本书的最大好处是让你能够用最基本的python语法，从底层上让你构建代码，实现我们常说的比如邮件过滤，数据分类的应用。

很多时候你要写最基本的代码和结构去做这些工作，而不是像sklearn去调用fit 和predit，你能实现算法的底层原理，知道决策树的分割增益计算如何写代码，梯度下降如何写代码，知道机器学习是如何从0到1实现的。

不过这本书比较老旧了，重点也不是讲解理论方面的东西，可以当成第二个阶段的教材，和第一阶段互补。

另外。如果你是NLP方向的同学，可以看一下词向量GloVe的代码实现，为什么推荐GloVe的代码，他是一个用纯c语言写的机器学习做矩阵分解来求解词向量的程序，包含实现随机梯度下降，损失函数定义，数据并行处理等基本的要素，是麻雀虽小，五脏俱全，代码逻辑清晰，涉及到机器学习的方方面面，而且，毫无调包，代码量不大，很容易看懂。

第三阶段：实战应用

目标是把机器学习应用到实际问题中，加深对算法的理解。正反馈来自于使用机器学习工具来解决实际问题。推荐资源Kaggle。

这时候，你对机器学习的原理，实现都有了解了，但是机器学习毕竟是一门应用的科学，我们通过在实战中学习机器学习。所以这个阶段非常适合打比赛。这里比较推荐Kaggle平台，不推荐国内的竞赛平台，除非你想给自己添堵，被排行榜上各种骚操作吓呆。至于怎么玩kaggle，推荐kaggle kernel上的开源讨论，以及一些比较好的Grand Master的分享。

后话

上面三个阶段，在具体的知识点上可以互相交叉。比如，你看完了逻辑回归，动手实现了一下，然后上kaggle做了一个数据集的任务。不是说非得把所有的长篇大论看完了，这样能更有利于你学习。

如果你有什么特别好的资源推荐，或者入门方法，欢迎放到评论区～

往期精彩回顾适合初学者入门人工智能的路线及资料下载机器学习及深度学习笔记等资料打印机器学习在线手册深度学习笔记专辑《统计学习方法》的代码复现专辑
AI基础下载黄海广老师《机器学习课程》视频课黄海广老师《机器学习课程》711页完整版课件

本站qq群955171419，加入微信群请扫码：