机器学习的学习路线

#链接: http://blog.csdn.net/longxinchen_ml/article/details/50749614.
http://blog.csdn.net/han_xiaoyang/article/details/50759472
文章是简单版的学习路线图;
理论+实践才是能否学会的关键点;
其他需要的资源,需要的时候再找,毕竟从入门到放弃从来都不是因为找不到资源。

机器学习路线图

理论基础

机器学习基础

问题种类

分类问题:提取特征判别结果
回归问题:预测结果
聚类问题:样本数据自动分类

机器学习的典型方法

【分类】
逻辑回归、支持向量机、随机森林、朴素贝叶斯、深度神经网络等
【回归】
线性回归、最小二乘法、逐步回归
【聚类】
K-means、密度聚类

数学基础

微积分
线性代数
概率与统计

实践

编程

语言:Python
库:scikit-learn、libsvm
深度学习框架:Tensorflow、Keras
操作系统:Linux、 windows+Anaconda
大数据相关: Hadoop、 Spark

基本流程

1.数学建模: 将问题抽象成数学问题
2. 获取数据:数据的质量方面要具有代表性、数量方面要对量级进行评估
3. 特征处理: 预处理( 归一化、离散化、因子化、缺失值处理、去除共线性)、特征选择( 相关系数、卡方检验、平均互信息、条件熵、后验概率、逻辑回归权重等)
4. 模型的训练和调优:理解算法超参数的意义
5. 模型诊断: 过拟合/欠拟合;误差分析

入门项目

分类

鸢尾花分类
Emojify –使用Python创建自己的表情符号
MNIST数字分类机器学习项目

回归

股价预测

聚类

对消费群体进行细分

【最后附上思维导图版路线】
在这里插入图片描述

  • 1
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值