鏈接： https://www.zhihu.com/question/21277368/answer/277626779
來源：知乎

我們今天就來分享一篇來自 EliteDataScience 上專門講給機器學習入門自學者的教程，一步步教你如何從基礎小白進階為 ML 大拿。快上車吧，別找硬幣了，這趟車不要錢！

你是否正在準備自學機器學習，但又不知道怎么去學、還被那些貴的要命的培訓課程嚇得不行？

今天我們在這篇文章里就教你怎樣免費獲得世界級的機器學習教育，你既不需要有博士學位，也不必是技術大牛，更不必賣好幾個腎去買一份很貴的培訓課程。不管你是想成為數(shù)據(jù)科學家還是在開發(fā)中使用機器學習算法，其實你都能比想象中更快地學習和應用機器學習。

本文告訴你在機器學習之路上的幾個步驟，保你不會迷路，下面開始我們的表演。

第一步：先搞懂什么是機器學習

在悶頭學習機器學習之前，最好先把什么是機器學習搞清楚，了解機器學習的基本概念。

簡單來說，機器學習就是教電腦怎樣從數(shù)據(jù)中學習，然后做出決策或預測。對于真正的機器學習來說，電腦必須在沒有明確編程的情況下能夠?qū)W習識別模型。

機器學習屬于計算機科學與統(tǒng)計學的交叉學科，在多個領域會以不同的面目出現(xiàn)，比如你應該聽過這些名詞：數(shù)據(jù)科學、大數(shù)據(jù)、人工智能、預測型分析、計算機統(tǒng)計、數(shù)據(jù)挖掘······

雖然機器學習和這些領域有很多重疊的地方，但也不能將它們混淆。例如，機器學習是數(shù)據(jù)科學中的一種工具，也能用于處理大數(shù)據(jù)。

機器學習自身也分為多個類型，比如監(jiān)督式學習、非監(jiān)督式學習、增強學習等等。例如：

郵件運營商將垃圾廣告信息分類至垃圾箱，應用的是機器學習中的監(jiān)督式學習；電商公司通過分析消費數(shù)據(jù)將消費者進行分類，應用的是機器學習中的非監(jiān)督式學習；而無人駕駛汽車中的電腦合攝像頭與道路及其它車輛交互、學習如何導航，就是用到了增強學習。

想了解機器學習的入門知識，可以看看一些網(wǎng)絡課程。對于想對機器學習領域的重點慨念有個基礎的了解的人來說，吳恩達教授的機器學習入門課程絕對必看：

https://www.coursera.org/learn/machine-learning

以及“無人車之父” Sebastian Thrun 的《機器學習入門》課程，對機器學習進行了詳細介紹，并輔以大量的編程操作幫助你鞏固所學內(nèi)容：

https://cn.udacity.com/course/intro-to-machine-learning--ud120

此外，Sebastian 在優(yōu)達學城上還開設了一本《人工智能入門》課程，講解人工智能領域的基本原理以及相關應用比如機器人、計算機視覺和自然語言處理等：

https://cn.udacity.com/course/intro-to-artificial-intelligence--cs271

當然也少不了集智君整理制作的免費專欄，在這里你可以免去安裝環(huán)境的煩惱，直接投入簡單地機器學習訓練中來：

邊看邊練的簡明機器學習教程 Part I - 集智專欄

這些課程都是免費的哦！

大概了解機器學習后，我們就來到知識準備階段了。

第二步：預備知識

如果沒有基本的知識儲備，機器學習的確看起來很嚇人。要學習機器學習，你不必是專業(yè)的數(shù)學人才，或者程序員大牛，但你確實需要掌握這些方面的核心技能。

好消息是，一旦完成預備知識，剩下的部分就相當容易啦。實際上，機器學習基本就是將統(tǒng)計學和計算機科學中的概念應用在數(shù)據(jù)上。

這一步的基本任務就是保證自己在編程和統(tǒng)計學知識上別掉隊。

2-1：用于數(shù)據(jù)科學中的Python編程

如果不懂編程，是沒法使用機器學習的。幸好，這里有份免費教程，教你如何學習應用于數(shù)據(jù)科學中的Python語言：

https://elitedatascience.com/learn-python-for-data-science

注：景略集智再補充三個資源：

[Python入門] 01 基本法則 - 集智專欄：

https://jizhi.im/blog/post/pyintro01

從零學習數(shù)據(jù)科學中Python的完全指南：

https://www.analyticsvidhya.com/blog/2016/01/complete-tutorial-learn-data-science-python-scratch-2/

以及40多個Python學習資源的匯總文章：

https://www.datacamp.com/community/tutorials/python-statistics-data-science

2-2：用于數(shù)據(jù)科學的統(tǒng)計學知識

了解統(tǒng)計學知識，特別是貝葉斯概率，對于許多機器學習算法來說都是基本的要求。

這里有份學習數(shù)據(jù)學習中統(tǒng)計學知識的教程：

https://elitedatascience.com/learn-statistics-for-data-science

2-3：需要學習的數(shù)學知識

研究機器學習算法需要一定的線性代數(shù)和多元微積分知識作為基礎。點這里，獲取一份免費學習教程：

https://elitedatascience.com/learn-math-for-data-science

第三步：開啟“海綿模式”，學習盡可能多的原理知識

所謂“海綿模式”，就是像海綿吸水一樣，盡可能多地吸收機器學習的原理和知識，這一步和第一步有些相似，但不同的是，第一步是對機器學習有個初步了解，而這一步是要掌握相關原理知識。

可能有些同學會想：我又不想做基礎研究，干嘛要掌握這些原理，只要會用機器學習工具包不就行了嗎？

有這個疑問也很正常，但是對于任何想將機器學習應用在工作中的人來說，學習機器學習的基礎知識非常重要。比如你在應用機器學習中可能會遇到這些問題：

• 數(shù)據(jù)收集是個非常耗時耗力的過程。你需要考慮：我需要收集什么類型的數(shù)據(jù)？我需要多少數(shù)據(jù)？等此類的問題。
• 數(shù)據(jù)假設和預處理。不同的算法需要對輸入數(shù)據(jù)進行不同的假設。我該怎樣預處理我的數(shù)據(jù)？我的模型對缺失的數(shù)據(jù)可靠嗎?
• 解釋模型結(jié)果。說機器學習就是“黑箱”的觀點明顯是錯誤的。沒錯，不是所有的模型結(jié)果能直接判讀，但你需要能夠判斷模型的狀況，進而完善它們。我怎么確定模型是過度擬合還是不充分擬合？模型還有多少改進空間？
• 優(yōu)化和調(diào)試模型。很少有人剛開始就得到一個最佳模型，你需要了解不同參數(shù)之間的細微差別和正則化方法。如果我的模型過度擬合，該怎么修正？我應該將幾個模型組合在一起嗎？

要想在機器學習研究中解答這些問題，掌握機器學習的知識原理必不可少。這里推薦兩個世界級的機器學習課程，一定會讓你受益良多：

哈佛大學的機器學習課程，讓你了解從數(shù)據(jù)收集到數(shù)據(jù)分析的整個流程：

https://cs109.github.io/2015/ https://cs109.github.io/2015/pages/videos.html https://github.com/cs109/content
（提示：這個課程和吳恩達教授的課程配合食用，效果更加）

斯坦福大學的機器學習課程，清楚地講解了機器學習的核心概念：

https://see.stanford.edu/Course/CS229

還有兩部值得讀的參考書籍：《統(tǒng)計學習導論》和《統(tǒng)計學習基礎》

這兩部書的英文原版下載地址：

《An Introduction to Statistical Learning》：

http://www-bcf.usc.edu/~gareth/ISL/ISLR%20Sixth%20Printing.pdf

《Elements of Statistical Learning》：

https://web.stanford.edu/~hastie/Papers/ESLII.pdf

注：看不慣英文原版的同學，可以去讀這兩本書的中文版。

集智也建議大家可以多逛逛Reddit上的機器學習論壇：

https://www.reddit.com/user/techrat_reddit/m/machine_learning/

https://www.reddit.com/r/MachineLearning/

https://www.reddit.com/r/learnmachinelearning/

當然，Quora上的機器學習版塊也很有料：

https://www.quora.com/pinned/Machine-Learning

逛論壇不容易看到高階知識，你不能一直停留在菜鳥階段不是，要升級就有必要看看專業(yè)的論文。arXive是個好去處，是個收集物理學、數(shù)學、計算機科學與生物學的論文預印本的網(wǎng)站。

關于人工智能的版塊：

https://arxiv.org/list/cs.AI/recent

關于機器學習的版塊：

https://arxiv.org/list/cs.LG/recent

如果嫌自己搜索論文太麻煩，可以在網(wǎng)站 arxiv-sanity.com 上注冊一個賬號，它可以按自己的感興趣標簽給你推送最新的 arXive 上的論文。

第四步：針對性實際練習

在開啟“海綿模式”后，你應該掌握了機器學習的基礎理念知識，接著就該實際操作了。

實際操作主要是通過具體的、深思熟慮的實踐操作增強你的技能。本步目標有三個：

• 練習機器學習的整個流程：收集數(shù)據(jù)，預處理和清理數(shù)據(jù)，搭建模型，訓練和調(diào)試模型，評估模型。
• 在真正的數(shù)據(jù)集上實踐操作：對于什么樣的數(shù)據(jù)適合用什么類型的模型，自己應逐漸建立這方面的判斷能力。
• 深度探究：例如在上一步，你學習了很多機器學習算法知識，在這一步就要將不同類型的算法應用在數(shù)據(jù)集中，看看哪個效果最好。

完成這一步后，就可以進行更大規(guī)模的項目了。

4-1 九個基本部分

機器學習是一個非常廣泛和豐富的領域，幾乎在每個行業(yè)都有應用。因為要學習的東西太多，初學者很容易發(fā)慌，而且在面對很多個模型時也很容易迷失，看不到大局。

因此，我們把機器學習大概劃分為九個部分：

ML整體學習:

基本的機器學習原理，比如方差權衡這些知識。

優(yōu)化：

為模型發(fā)現(xiàn)最優(yōu)參數(shù)的算法。

數(shù)據(jù)預處理：

處理缺失數(shù)據(jù)、偏態(tài)分布、異常值等。

取樣和拆分

怎樣拆分數(shù)據(jù)集來調(diào)整參數(shù)和避免過度擬合。

監(jiān)督式學習

使用分類和回歸模型從標記數(shù)據(jù)中學習。

非監(jiān)督式學習

使用因素和集群分析模型從非標記數(shù)據(jù)中學習。

模型評估

根據(jù)不同的性能度量做出決策。

集成學習

將不同模型相結(jié)合，達到更好的性能。

商業(yè)應用

機器學習如何幫助不同類型的商業(yè)業(yè)務。

4-2 實踐工具

對于初學者，我們建議采用現(xiàn)成可用的算法，這樣可以把時間用在熟悉機器學習流程上，而不是寫算法。根據(jù)你使用的編程語言，有兩個不錯的工具（鏈接為使用教程）：

Python的Scikit-Learn

https://elitedatascience.com/python-machine-learning-tutorial-scikit-learn

R語言的Caret

https://www.youtube.com/watch?v=7Jbb2ItbTC4

4-3 利用數(shù)據(jù)集實踐操作

在這步需要用數(shù)據(jù)集進行搭建和調(diào)試模型的實際操作，也就是將你在“海綿模式”階段學到的理論轉(zhuǎn)變?yōu)榇a。我們建議你選擇UCI Machine Learning Repo，Kaggle和http://Data.gov上的數(shù)據(jù)集開始入手：

UCI Machine Learning Repo：

http://archive.ics.uci.edu/ml/index.php

Kaggle：

https://www.kaggle.com/datasets

http://Data.gov：

https://www.data.gov/

第五步：機器學習項目

終于到了最后一步，也是很有意思的一步。目前為止，我們已經(jīng)完成了：知識儲備、掌握基本原理、針對性練習等階段，現(xiàn)在我們準備探究更大的項目：

這一步的目標就是練習將機器學習技術應用于完整的端到端分析。

任務：完成下面的項目，依次從易到難。

5-1：“泰坦尼克號”幸存者預測

“泰坦尼克號”幸存者預測是練習機器學習時相當流行的選擇。而且有非常多的教程可供參考。

Python 教程：

https://www.kaggle.com/c/titanic

或

https://github.com/savarin/pyconuk-introtutorial

R語言教程：

https://amunategui.github.io/binary-outcome-modeling/

http://will-stanton.com/machine-learning-with-r-an-irresponsibly-fast-tutorial/

5-2 從零開始寫算法

我們建議你先以一些簡單的方面寫起：邏輯回歸、決策樹、k 最近鄰算法等。

如果中間卡住了，這里有些小技巧可以參考：

• 維基百科是個不錯的資源庫，提供了一些常見算法的偽代碼。
• 可以看看一些現(xiàn)成ML工具包的源代碼，獲得靈感。
• 將算法分為幾部分。寫出取樣、梯度下降等的分離函數(shù)。
• 在開始寫整個算法前，先寫一個簡單的決策樹。

5-3 選個有趣的項目或自己感興趣的領域

其實這應該是機器學習最棒的部分了，可以利用機器學習實現(xiàn)自己的想法。

如果實在沒想到好點子，這里有6個有趣的初學者機器學習實踐項目：

https://elitedatascience.com/machine-learning-projects-for-beginners

結(jié)語：

如果你按照這個步驟一步步扎實學習的話，相信你最終一定在機器學習方面小有成就！

我們對初學機器學習的人還有10個小小的tips：

為自己設定學習目標和期限，盡力完成。

打好學習基礎，掌握基本理論。

將實踐理論相結(jié)合，不要只關注某一個方面。

試著自己從頭寫幾個算法。

多角度思考問題，找到自己感興趣的實踐項目。

多想想每個算法能產(chǎn)生什么價值。

不要相信科幻電影中對ML的胡吹。

別過度理會網(wǎng)上關于ML知識的爭論。

多想想數(shù)據(jù)的“輸入/輸出”，多問問“為什么”。

上集智，第一時間將自己升級。→→ 集智 - 通向智能時代的引擎

總結(jié)

以上是生活随笔為你收集整理的机器学习教程的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。