机器学习该怎么入门？

1、误认为学习机器学习，要先补齐所有的前期知识

误认为学习机器学习，要先补好全部的数学基础，然后在学习python，最后学习机器学习的算法。

你可能听很多人说过，机器人学习需要很强的数学基础，然后你就疯狂地开始补数学基础，你开始学习线性代数、概率论等知识。

你的规划是7月份补数学基础，8月份学习Python,9月份开始正式学习机器学习。抱着严谨的态度，你要把数学知识都弄懂了才进行下一个环节。最后你的机器学习，始于数学而终于数学。以这样的心态学习下去，机器学习从入门到放弃，你可能不需要一个月。

学习机器学习，你不需要在准备阶段把需要的数学基础全部都补齐才开始，你可以边学边补充。用的什么补什么，这样效果比较好，而且印象深刻。

2、不要搜集过多的资料，要按照自己的需求搜集合适的资料。

很多时候的你们，学习一门语言或者课程的时候，都想着资料越多越好，不管用不用，我先收集了再说。

这就导致了你的很多资料和视频都在百度云盘中睡大觉，正如你们看知乎一样，不管答主写了啥，先收藏再说，后期看不看我不知道，反正收藏等于学会这一点准没错。这就导致了你们看了五花八门的帖子，还区分不出来答主所要表达的核心观点。

所以我说，选择你所需要的合适资料就行，比如你要学习自然语言处理，你就搜集自然语言处理的资料，别的五花八门的暂时不要关心，遇到非常好的资料也要分类区分一下。现在的方向越来越多，资料也越来越多，你想都看完是不可能的。

有针对的选则是很重要的，不然你就会像没有目标的苍蝇一样，飞来飞去，最后啥也没学会。

下面说一下机器学习如何入门？

1、准备一些数学资料（课本即可）

你需要准备一些数学资料供你随时学习，如果你实在不放心可以先用几天的时候复习一下。

线性代数：

（1） 向量

（2） 基本概念、常见运算(向量加法、向量乘以标量、向量点乘)、向量性质（线性相关、线性相关的几何意义、正交、 正交 vs 线性无关）

（3）线性变换与线性函数

（4） 线性变换、 线性函数（可加性、齐次性）

（5）矩阵

（6）m x n 矩阵、矩阵的基本运算、矩阵运算的规律、矩阵与线性变换的关系、相关基本概念（矩阵的秩、列秩、行秩、满秩矩阵、子式、余子式、零矩阵）、对称矩阵、对角矩阵、可对角化和对角化、相似