没有合适的资源?快使用搜索试试~ 我知道了~
机器学习:入门方法与学习路径.pdf
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 130 浏览量
2022-07-10
16:03:44
上传
评论
收藏 1014KB PDF 举报
温馨提示
试读
18页
机器学习:入门方法与学习路径.pdf机器学习:入门方法与学习路径.pdf机器学习:入门方法与学习路径.pdf机器学习:入门方法与学习路径.pdf机器学习:入门方法与学习路径.pdf机器学习:入门方法与学习路径.pdf机器学习:入门方法与学习路径.pdf机器学习:入门方法与学习路径.pdf机器学习:入门方法与学习路径.pdf
资源推荐
资源详情
资源评论
机器学习:入门方法与学习路径
一、引言
也许你和这个叫『机器学习』的家伙一点也不熟,但是你
举起 iphone 手机拍照的时候,早已习惯它帮你框出人脸;
也自然而然点开今日头条推给你的新闻;也习惯逛淘宝点
了找相似之后货比三家;亦或喜闻乐见微软的年龄识别网
站结果刷爆朋友圈。恩,这些功能的核心算法就是机器学
习领域的内容。
套用一下大神们对机器学习的定义,机器学习研究的是计
算机怎样模拟人类的学习行为,以获取新的知识或技能,
并重新组织已有的知识结构使之不断改善自身。简单一点
说,就是计算机从数据中学习出规律和模式,以应用在新
数据上做预测的任务。近年来互联网数据大爆炸,数据的
丰富度和覆盖面远远超出人工可以观察和总结的范畴,而
机器学习的算法能指引计算机在海量数据中,挖掘出有用
的价值,也使得无数学习者为之着迷。
但是越说越觉得机器学习有距离感,云里雾里高深莫测,
我们不是专家,但说起算有一些从业经验,做过一些项目
在实际数据上应用机器学习。这一篇就我们的经验和各位
同仁的分享,总结一些对于初学者入门有帮助的方法和对
进阶有用的资料。
二、机器学习关注问题
并非所有的问题都适合用机器学习解决(很多逻辑清晰的问
题用规则能很高效和准确地处理),也没有一个机器学习算
法可以通用于所有问题。咱们先来了解了解,机器学习,
到底关心和解决什么样的问题。
1. 从功能的角度分类,机器学习在一定量级的数据上,可
以解决下列问题:
(1)分类问题
根据数据样本上抽取出的特征,判定其属于有限个类别中
的哪一个。比如:垃圾邮件识别(结果类别:1、垃圾邮件
2、正常邮件)文本情感褒贬分析(结果类别:1、褒 2、
贬)图像内容识别识别(结果类别:1、喵星人 2、汪星人
3、人类 4、草泥马 5、都不是)
(2)回归问题
根据数据样本上抽取出的特征,预测一个连续值的结果。
比如:星爷《美人鱼》票房大帝都 2 个月后的房价隔壁熊
孩子一天来你家几次,宠幸你多少玩具
(3)聚类问题
根据数据样本上抽取出的特征,让样本抱抱团(相近/相关的
样本在一团内)。比如:google 的新闻分类用户群体划分
我们再把上述常见问题划到机器学习最典型的 2 个分类
上:分类与回归问题需要用已知结果的数据做训练,属于
“监督学习”聚类的问题不需要已知标签,属于“非监督学
习”。
2. 如果在 IT 行业(尤其是互联网)里溜达一圈,你会发现机
器学习在以下热点问题中有广泛应用:
(1)计算机视觉
典型的应用包括:人脸识别、车牌识别、扫描文字识别、
图片内容识别、图片搜索等等。
(2)自然语言处理
典型的应用包括:搜索引擎智能匹配、文本内容理解、文
本情绪判断,语音识别、输入法、机器翻译等等。
(3)社会网络分析
典型的应用包括:用户画像、网络关联分析、欺诈作弊发
现、热点发现等等。
(4)推荐
典型的应用包括:虾米音乐的“歌曲推荐”,某宝的“猜你喜
欢”等等。
三、入门方法与学习路径
OK,不废话,直接切重点丢干货了。看似学习难度大,曲
线陡的机器学习,对大多数入门者也有一个比较通用的学
习路径,也有一些优秀的入门资料可以降低大家的学习门
槛,同时激发我们的学习乐趣。
简单说来,大概的一个学习路径如下:
简单说一点,之所以最左边写了『数学基础』『典型机器
学习算法』『编程基础』三个并行的部分,是因为机器学习
是一个将数学/算法理论和工程实践紧密结合的领域,需要
扎实的理论基础帮助引导数据分析与模型调优,同时也需
要精湛的工程开发能力去高效化地训练和部署模型和服
务。
需要多说一句的是,在互联网领域从事机器学习的人,有 2
类背景的人比较多,其中一部分(很大一部分)是程序员
出身,这类同学工程经验相对会多一些,另一部分是学数
学统计领域的同学,这部分同学理论基础相对扎实一些。
因此对比上图,2 类同学入门机器学习,所欠缺和需要加强
的部分是不一样的。
下面就上述图中的部分,展开来分别扯几句:
1. 数学基础
有无数激情满满大步向前,誓要在机器学习领域有一番作
为的同学,在看到公式的一刻突然就觉得自己狗带了。是
啊,机器学习之所以相对于其他开发工作,更有门槛的根
本原因就是数学。每一个算法,要在训练集上最大程度拟
合同时又保证泛化能力,需要不断分析结果和数据,调优
参数,这需要我们对数据分布和模型底层的数学原理有一
定的理解。所幸的是如果只是想合理应用机器学习,而不
是做相关方向高精尖的 research,需要的数学知识啃一啃还
剩余17页未读,继续阅读
资源评论
xxpr_ybgg
- 粉丝: 6435
- 资源: 3万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功