【机器学习】一、引言

背景

我看过市面上一些机器学习的视频资料，但是这些资料往往对于非计算机专业或者数学基础不好的人不太友好，所以作者想在此用浅显易懂的方式尽可能详尽地完整地介绍机器学习

目录

接下来作者会按如下目录开始介绍机器学习

• 一、基础知识介绍及必备知识复习
• 二、线性回归(Linear Regression)
• 三、逻辑回归(Logistic Regression)
• 四、算法优化——正则化、下降算法选择、参数选择
• 五、神经网络
• 六、场景应用-推荐系统，异常检测，人脸识别等

必备知识

这里介绍的必备知识是机器学习中用到的知识，它一定是你在看本文之前学过或看到过的，你要是只有个印象也没关系，随着学习你的这些知识应该逐渐巩固。

• 数学知识

  • 向量
    • 向量的定义，向量的几何意义
  • 矩阵
    • 矩阵定义，矩阵与标量乘法，矩阵点乘
    • 矩阵的乘法，逆矩阵，单位矩阵，矩阵的转置
  • 常见函数
    • 直线、圆、log(x)、sin(x)、cos(x)、exp(x)的方程式、几何形状和函数特性
  • 微积分
    • 导数、偏导数的定义、几何意义和特性
    • 范数
  •  

• 计算机知识

  • python
    • python基础及基本编程
    • pandas
      • DataFrame、Series的api
      • 文件操作
    • numpy
      • ndarray的api
    • matplot
      • 绘图api

开发工具

注：大部分机器学习视频都是在jupyternotebook或spyder上做开发，但在实际的工程实现中，还是需要与其它团队成员协作完成任务，所以作者还是提倡在pycharm上因为更规范