机器学习路线

*机器学习路线*

一、编程语言基础 —— Python

Python不需要学得太深，先熟悉Python的基本语法后面边练边学就可以了。

时间花费：之前已经有了C语言的基础，再学习Python会更容易上手，半个月到一个月的时间可以完成Python学习。

自行拓展部分：Python爬虫实现（包括requests库、JSON爬取、Selenium自动爬虫、多协程、队列等，优快云上有很多资源可供学习）

学习时注意多做笔记，方便后面查找。

二、熟悉Python库

Python库有很多，机器学习中用到最多的是numpy库，提前熟悉numpy会为后面的机器学习代码理解提供帮助。其他库包括pandas、matplotlib等可自行学习。

学习资料：优快云

时间花费：该部分简单熟悉即可，还是要在练习中不断强化，一周左右时间可完成numpy的学习。

三、机器学习算法学习

该部分是机器学习的核心了，经典的基础机器学习算法有10多个，包括KNN、决策树、朴素贝叶斯、逻辑回归、支持向量机等。第一遍学习的时候重点在各个算法的思想，包括公式推导部分（这部分没有线性代数、高数、概率统计等的数理知识支撑的话看起来比较难，第一遍肯定会很难懂，后面慢慢跟着推导，逐个难点进行攻克的话会好一点，也会很有成就感的），然后就是代码部分最好试着理解代码思路后自己能够复现关键代码，这对机器学习的学习很有帮助。

学习资料：

书籍 —— 机器学习实战，这本书包含了大部分经典的基础机器学习算法，还包含了一些实战，对代码有一定的讲解，整体还是不错的，是值得学习一本机器学习书籍。

视频 —— 吴恩达的机器学习视频。吴恩达老师讲的机器学习还是很不错的，不过是英文讲课，用来帮助算法理解是很不错的资料，最好能对应书籍理解以及代码复现。

https://www.bilibili.com/video/BV164411b7dx?from=search&seid=17835946854855976012&spm_id_from=333.337.0.0

时间花费：3~4个月，该阶段学习难度较大，需较多时间学习，主要还是要入门机器学习，弄懂机器学习的基础经典算法，具体花费时间还是看个人。

最终考核：完成一个完整的机器学习项目，该项目包括数据集获取（UCI数据集有很多数据集可供选择，也可以通过爬虫获取数据）、数据集预处理和分析（数据集的缺失值、异常值等的处理，然后是分析数据集的特征属性之间的关系等）、根据数据集特点进行建模（在此之前还需明确模型的任务，是分类还是聚类等）、对模型进行评估并选择最优模型进行测试或得到一个系统（如手写数字识别系统等）。

在该项目中模型的搭建可自行实现算法也可调库实现，但最好能清楚调库用到的算法思想并对其进行合适的调参。

要求：对数据集有自己独立的思考，能够进一步优化模型，选择的数据集不可太过简单。

UCI数据库：https://archive.ics.uci.edu/ml/index.php

推荐机器学习实战平台：

和鲸社区（包含许多机器学习实战项目，还提供了运行平台）：

https://www.heywhale.com/

其他资料：

Sklean学习推荐：

https://www.bilibili.com/video/BV1WJ411k7L3?spm_id_from=333.999.0.0

经典书籍：

李航的《统计学方法》

周志华的西瓜书

后期学习可继续学习深度学习、强化学习等方面，也可以向数据分析、数据挖掘方向继续学习，需要在学习中慢慢了解。