1.什么是机器学习,机器学习就是厉害的统计学。机器学习过程是收集训练集,用算法在训练集上学习,产出模型,在模型上测试效果。
学习时,第一步要大处着眼。先要搞清楚要学的是什么,为什么要学习他,他会在那些场景上发挥作用。
2.学习的目标是什么。在自己推导算法的过程中,理解各种机器学习算法的思想;可以在pycharm中调用库实现算法;为深度学习打下基础。
不论做什么事都要有目标,而且目标越清晰越好,实现目标的信念越坚定越好。
3.然后我们会接触到很多概念,比如:泛化、样本空间、特征向量集。这时候我们要看,但看的目的是为了加深我们对机器学习整体过程的印象。对概念的具体解释要在实际问题中一步步了解。
4.既然是统计学,那也就分线性回归、非线性回归、决策树。我们先从线性回归学起。这里我们的效率非常高,因为我们很确定我们就是通过课程学习南瓜书帮助我们理解西瓜书。一但确定了学习资料,我们就省下了非常多的功夫。