入门机器学习的方法和途径（楼主和你一起踩坑！）

作者表示当时在电信实习的时候，一个做了三年的项目年底上线了。当然我去的时候，其实就做好了！我认识了一位贵人，就是老大！！所以项目做完来年，他就撤了！走之前他叫我定了一个十年的职业规划，因为想做数据分析，所以选择了数据挖掘或者说是机器学习！
所以在临近转正的时候辞去了工作，然后去找工作，发现机器学习门槛很高！数学基础，编程基础是要知道的，对于一个初学者而言！备受打击，所以找到了一家做数据仓库的公司，公司有挖掘的业务！！所以也只能这样慢慢学习转了！其实也就那几个模型！也就那几类数学（概率论，线性代数，微积分）!
下面是我收集来的一些好的经验,一起学习！算是经验交流贴吧！

数学之美，如果完全对计算机因该是对机器学习没概念的，可以看一下！没有几个公式！完全可以读懂！

---

来源：CSDN博客，原文链接：http://blog.csdn.net/han_xiaoyang/article/details/50759472

本文经作者授权转载。

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。

我有几张阿里云幸运券分享给你，用券购买或者升级阿里云相应产品会有特惠惊喜哦！把想要买的产品的幸运券都领走吧！快下手，马上就要抢光了。

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”。

1. 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。

原文链接