机器学习的学习书单

机器学习看了一些公开课，现在准备把仔细深入研究，就列下来需要的书单：（大部分是在知乎上找到的推荐）

数学基础方面：elements of statistical learning（这些书都有PDF版本，好赞啊）

Introduction to Statistical Learning （这本书用到的数学推导不太多，用到R语言比较多）（先这本书吧）

机器学习编码：python/R/C++/java/matlab

首先，你要熟悉这四种语言。Python因为开源的库比较多，可以看看Numpy和Scipy这两个库，这两个都可以很好的融入网站开发以及Hadoop。C++可以让你的代码跑的更快，R则是一个很好地统计工具。而你想很好地使用Hadoop你也必须懂得java，以及如何实现map reduce

进一步写一些语言将会做到的事情：

python 的用处感觉还是比较大一些，在数据挖掘，数学处理方面都有很强的优势，学python还有一个是可以做爬虫，还是很有用的哈。

R语言是一种在统计方面很强的语言，在机器学习中有很多的应用。。（话说我已经掌握了matlab，还需不需要在上R呢？？matlab据说最终要的功能是simulink的仿真功能）

也有很多答案中说：语言的学习其实还是所有的东西中最简单的东西，最终要的东西还是掌握语言背后的逻辑关系，其实这些语言都学习也并不是什么不好的事情，我决定就遇到哪一个学哪一个吧。

java的应用主要在hadoop上，理解hadoop算法，会写mapReduce的实现。如果不做架构师的话，把所有细节都学得特别清楚也是没有什么用的。（所以我打算把大象看完之后就着手一些hadoop的开发好了，其实hadoop这个目前用的还真不是特别多，不过学会了对之后去做一些实习什么的也不错。）

作者：吴俣
链接：https://www.zhihu.com/question/20691338/answer/22465357
来源：知乎
著作权归作者所有，转载请联系作者获得授权。

机器学习练习方式：

首先就是各种实现吧，各种基础算法在各个基础平台上实现，然后是一些项目任务，做kaggle的比赛。

当然这是阶段性的任务，首先就是会写各种实现和基础算法吧。熟练掌握基础算法以及机器学习的主要概念分类，能够手写机器学习分类图谱。清楚的描述各种机器学习算法以及背后的数学背景。

在陈老师实验室主要做一些hadoop的训练，以及科研背景知识的熏陶。

感觉大部分内容还是结构行动的知识，还是蛮好学的。

打算大三下的时候加入一个做机器学习的实验室，发表一些论文啥的，开阔眼界也好啊，大概是这样的。在寒假的时候能够开始跑kaggle.也是我的一个目标。