机器学习如何入门（待补充完整）

Step1-知识准备：

1. 数学：

    1）排列组合：

• 排列：n个不同元素中取m个元素进行排列（有序），1<=m<=n，则不同排列的个数为：

      

• 组合：n个不同元素中取m个元素进行组合（无序），1<=m<=n，则不同组合的个数为：

      

      备注：n!为n的阶乘，约定0!=1。当n=m时，排列个数即为n!，组合个数为1。

    2）线性代数-矩阵乘法（线性方程组，线性变换，线性空间的理解）：

      旋转矩阵：

• http://www.ruanyifeng.com/blog/2015/09/matrix-multiplication.html
• https://www.zhihu.com/question/21351965（看公交车和买菜两个回答，后者可能更佳）

    3）概率论和统计：

• 什么是概率：概率就是用数值来表示某个事件发生的可能性。

           https://www.zhihu.com/question/26895086/answer/224503078（猴子聊人物）

• 贝叶斯定理：

          

          后验概率（新信息出现之后的A概率）=先验概率（A概率）*可能性函数（新信息带来的调整）

          https://www.zhihu.com/question/19725590/answer/241988854（猴子聊人物）

• 全概率公式：

          

          用于计算贝叶斯定理中的P(B)，A和A'共同构成了样本空间。

          https://www.zhihu.com/question/19725590/answer/241988854（猴子聊人物）

• 条件概率（可以用决策树来体现）：

          

          事件A在事件B已经发生情况下发生的概率；事件A和B为相关事件，非独立事件（如红蓝球实验，见下方猴子的介绍链接）

          https://www.zhihu.com/question/27462939（猴子聊人物）

    4）高数-导数：

          https://www.zhihu.com/question/28684811（马同学）

• 认知阶段1：导数是曲线（表征一元函数时）的变化率（切线斜率）

          如果曲线为时间与距离的关系，则任何一点的导数是瞬时速度；如果曲线为时间与速度的关系，则任何一点的导数为加速度。

• 认知阶段2：导数是用来找到线性近似的数学工具
• 认知阶段3：导数是线性变换？

2. 程序语言：R 或 Python（只用于学习入门，不是实现的最佳语言）

3. 推荐书籍：选择一到两本公式较少、浅显易懂的介绍机器学习算法类型的书

    1）中文-《机器学习》（周志华）、《统计学习方法》（李航）、《机器学习实战》（Peter Harrington）

    2）外文-？（Pattern classification）

4. 其他参考链接：

    1）机器学习实践指南 - http://blog.jobbole.com/112569/

    2）普通程序员如何转向人工智能方向 - http://www.cnblogs.com/subconscious/p/6240151.html

Step2-基础学习：

1. 推荐公开课：

    1）https://www.coursera.org/learn/machine-learning（Anderw Ng老师，Machine Learning课程）

    2）网易公开课，斯坦福机器学习相关课程

2. 网址：

    1）伯乐在线：http://blog.jobbole.com/tag/machinelearning/

3. 推荐书籍:

    1）外文-《Elements of Statistical Learning》/《Introduction of Statictical Learning》

    2）中文-？

Step3-方向研究：

按需求（选择相近应用场景）、方向（如深度学习）升入学习和应用