由 Android 到 机器学习

好久不见！
一转眼，辞职快两个月了。这段时间一直在学机（到）器（处）学习（玩）。虽然只是了解了一下基本概念，但也要出来显摆一下哈。从今天起继续更新博客，不过不是关于Android的了，转行机器学习！
如果有同样转行的小伙伴，欢迎与我联系哈，大家可以互相帮助，共同进步！
* 邮箱：15313851813@163.com
* wx：w1048367400

作为关于机器学习的第一篇博客，就讲讲什么是机器学习？机器学习需要哪些基础？以及如何学习机器学习吧！

1. 什么是机器学习

• 维基百科上的定义是：A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P, if its performance at tasks in T, as measured by P, improves with experience E.
• 我自己翻译一下：已知经验E，任务T和评价标准P，当程序通过对经验E的学习后，按照评价标准P，程序的性能得到了提升，我们就把这个过程叫做机器学习。
• 举个例子：
  
  • 任务T：现有100个用户，判断每个用户喜欢喜剧片还是恐怖片；
  • 经验E：100个用户的历史观看记录；
  • 评价标准：准确率。向每个用户推荐某一类型影片，如果用户观看了，记为正确推荐，反之记为错误推荐。准确率=正确推荐数／推荐总数。
  • 如果直接随机向用户推荐的准确率为a1；
  • 现在我们可以对户的历史记录进行分析，如果用户观看喜剧片比较多，就推荐喜剧片；如果用户观看恐怖片比较多，就推荐恐怖片。准确率为a2；
  • 很显然a2 > a1。那么这个过程就叫做机器学习。

2.机器学习需要哪些基础

• 编程基础
  
  • python
  • 常用的编程工具：pycharm，jupyter notebook等
  • 其中编程语言并非必需python，java等等都可以，只是现在python机器学习地库最多，学起来也方便；如果有其他语言编程基础，python入门很快，估计一天就够了。编程工具也很好学，都是大同小异。
• 数学基础
  
  • 高等数学
  • 线性代数
  • 概率论与数理统计
  • 如果基础不好的话，最好把书翻一遍，不需要太详细，知道基本的概念与运算就可以，等以后用到了再回头看也不迟。

3. 如何学习机器学习

• 复习数学基础
  
  • 最好把书翻一遍；
  • 如果觉得太多的话，可以选择性的看：导数，梯度，微积分，矩阵的运算，特征值与特征向量，常见的概率分布模型与相关统计量，最大似然估计。
  • 不用看透，遇到问题时再回头看就行。
• 学习机器学习
  
  • 推荐一本书吧：《python机器学习》Sebastian Raschka著，高明译；
  • 说实话，这本书我只能给打6分，那为啥还推荐呢？因为写的浅显易懂啊，机器学习中主要遇到的问题都会涉及，但是讲的很浅，适合入门。关于李航的《统计学习方法》和周志华的《机器学习》，写的确实很好，但是很难懂，不建议基础差的看。另外，这本书中有一些论述是错误，但是问题都不大，瑕不掩瑜；
• 进阶
  
  • 关于进阶，我就没有发言权了，因为我也还是初学者。

最后，来句鸡汤：

当你觉得为时已晚的时候，恰恰是最早的时候！