从零开始-Machine Learning学习笔记(0)-写在前面
我记得我跟机器学习近距离接触的时候还是我在大二的时候参加全国大学数学建模大赛。那个时候学校会组织一些赛前培训，在培训中我第一次接触到线性回归算法，遗传算法，神经网络，元胞自动机，主成分分析法等。大部分是用Matlab来实现。那个时候对于这些算法的理解仅仅是在用的层面上，至于每个参数的作用是什么其实理解的并不太深厚。但是觉得能创造出这些算法的人是该有多么的厉害！
在解决航班延误问题的数学建模联系上，我第一次遇见了线性回归算法，我们从网上收集大量的航班信息，并分析出他们的特征再用线性回归算法来求得这些特征与航班延误时间之间的关系。那个时候我就有一种感觉，所谓机器学习就是从大量的数据中找寻某种特性，这些特征之间的某种关系可以实现我们所需要的某种功能。后来我看到Tom Mitchell是这么定义机器学习的：
一个程序被认为能从经验E中学习，解决任务T，达到性能度量值P，当且仅当有了经验E后，经过P评判，程序在处理T时的性能有所提升。
我们可以简单的理解为我们的数据为经验E，要解决的问题就是T，性能量度P就是最后建立的模型或算法的优良程度。
在过去的两年两年中，随着alpha Go连续击败了围棋世界最为厉害的人之一的李世石与柯洁，人工智能成为了近几年的热门话题，甚至国家层面对发展人工智能方面也有了较大的关注，在前段时间结束的十九大也将人工智能写进了报告。2017年7月，国务院也印发了新一代人工智能产业发展规划。这让我越来越觉得这是一个全新的机遇与挑战，顺应时代的潮流，走在人类智慧发展的前沿，是每一个热衷于挑战的人的自我要求。于是在2017年的11月份，我正式计划学习机器学习。作为一个新手，我首先从coursera上Andrew Ng的Machine Learning学习视频开始，逐渐进入这个神奇的世界，一次次的被这些神奇的算法与智慧所吸引。此外，在学校学习的课程上，我也选修了机器学习这门课，使用的教材就是Tom Mitchell的经典入门教材《机器学习》。
截至2018年1月底的样子，我完成了coursera上的视频课程学习，并顺利通过了学校的考试。终于使得我有一定的时间对此前所学习的内容进行一个总结与回顾，所以决定开一个专栏用于记录我的这些总结以供诸位同行的伙伴们进行交流学习。
这部分的学习笔记主要依赖于Andrew Ng的学习视频，但又不局限于这些视频中所讲到的内容。我所使用的参考资料有：
Stanford Machine Learning -Andrew Ng
通过这些资料可以进行一个简单的入门，可以快速掌握一些经典的机器学习算法的数学原理，通过Andrew Ng视频课程中的编程练习可以通过Matlab对一些算法的核心进行简单的实现，最为重要的是还可以通过《机器学习实战》在Python环境下的算法实现，加深对算法的理解与应用。
我觉得学习是一个循序渐进的过程，就好比现在的我，虽然也只是一个刚入门的菜鸟，但是我也有勇气去把一些大神觉得很简单的知识再以博客的形式呈现。即便我写的这些东西对于大神们来讲毫无意义，但是对于我自己而言，这是一个学习成长的过程的记录。只要一直学习与总结，在不远的将来，我们也将成为某种程度上的大神。届时回望这段历程，也会感慨不已，自己也是从菜鸟一点一点成长过来的。所以，“路漫漫其修远兮，吾将上下而求索”，与同行诸君共勉！
2018.03.05
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
