2、机器学习入门：从基础到实践

机器学习入门：从基础到实践

1. 前置知识与环境准备

在开始学习之前，并不需要有机器学习或统计学的先验知识。对于数学基础，只要熟悉基本的图表（如直方图和散点图）以及简单的代数概念（如直线的斜率）就足够了。不过，需要有一定的R语言编码基础，比如熟悉向量、因子、数据框和函数等。如果没有R语言基础或者想要复习，可以参考这个教程： https://github.com/matloff/fasteR 。

在计算机上需要安装R以及qeML包。推荐从GitHub安装qeML包，因为它总是有最新版本。具体操作步骤如下：
1. 若没有安装devtools包，在R命令行输入：

install.packages('devtools')

2. 安装qeML包，输入：

install_github('https://github.com/matloff/qeML')

qeML包也会在CRAN R代码仓库中，但更新频率较低。

另外，还会用到一些流行的R包，如e1071、gbm、glmnet、keras、randomForest等。为了方便使用，通常会使用qeML包中的包装器，它有以下两个优点：
- 提供统一的接口。
- 接口简单。

例如，使用随机森林预测day1数据集中的总骑行量（tot），可以这样调用