学习机器学习的先决条件是什么？

Question

在我决定自学如何做之前,我一直对机器学习的主题着迷.所以我参加了斯坦福大学在线发表的课程.但是我对它所包含的数学量感到震惊.那么我应该能够理解机器学习算法的数学背景是什么？是否有任何图书馆抽象所有数学并专注于实际设计一个能够学习的软件？

Answer 1

1. 线性代数
2. 概率论
3. 结石
4. 微积分的变化
5. 图论
6. 优化方法(拉格朗日乘数)

Answer 2

很像99%(不要引用我的数字)与计算机科学相关的主题,机器学习的理论基础往往涉及大量的数学......尽管如此,它不应该那么困难即使没有深入的微积分知识,也要学习一些基本的ML算法.

那里有各种机器学习库:

• WEKA
• Java机器学习库(Java JML)
• Apache Mahout
• 其他...

我想说你应该首先尝试建立自己的简单ML算法:可能是神经网络或遗传算法.成功构建一个会对您的理解产生很大的影响......特别是在给定特定问题的情况下,您可能需要相当多地自定义ML算法.从头开始了解它是如何工作的,将允许您进行任何您认为必要的修改.

Answer 3

编程集体智慧: Toby Segaran 构建智能Web 2.0应用程序是一本非常棒的书!Toby构建了所有机器学习经典的简单实现:神经网络,支持向量机,遗传算法,聚类.所有这一切都简单解释了他们如何以及为什么工作.作为奖励,所有示例都在Python中!但即使你不懂Python,你也会理解这本书.我强烈推荐它