如何入门机器学习领域 有好的学习路径推荐？

数学功底不够建议直接放弃 或者说你大学的概率论、微积分、线性代数都考了多少分

有人说微积分不推公式用不上，但是这是数学啊，代表一种学习能力而不是要你微积分学的多牛逼

何况这三门啥时候分家了。。

数学不是刻苦就学的来的，这个真的跟艺术一样需要天分。。

然后呢 我推荐的书实际上是 PRML 就是 被称为圣经的 Pattern Recognition And Machine Learning

这个跟看 thinking in java 不一样，机器学习学深入要求完整的数学体系，即便是做调参数党你靠 fail and retry ，那么好多个参数你要试到猴年马月能试出较优解来

看这个书的，一般数学不行的第一章就放弃了，差不多到贝叶斯分布哪里，到了第二章你会看到笛利切雷分布，也就是 LDA 里用的那个东西

祝你好运，我就是放弃者

数学不好先补数学 数学学不会 就放弃吧

这个级别的数学知识扯什么天分。学不学得好就是时间和刻苦程度的问题。

先买 4 块 Titan 压压惊啊。

@murmur 毕竟是工业应用不是科学研究，一般补好数学能行吧？我是嘴炮流，没入门。。

@murmur

说到数学 我觉得只是自己全忘记了而已 要重新拿起来也不是难事. 你说的对学好数学需要天分 可是机器学习大部分不也是用别人的理论嘛？ 能学一个 80%也算是可以接受的，没有计划走到顶端去.

我是不是该从高中的数学开始补起来...

@jziwenchen 随便搜个本科的微积分和线性代数期末考卷，要说捡起来，至少得做个及格吧

@murmur PRML 第一章习题就用到了变分...但会链式法则就能把 deep learning 的基础摸个大概。这种书本来就是要刷三遍才算过的。

@Xs0ul

重新去学校旁听下 好好刷一遍基础 苦读几个月

@Xs0ul
本科的高等数学、概率论、线性代数等基本上考试都在 90-93 分之间，但是感觉自己数学还是渣的搞不定机器学习。。。

@YouXia 我是说给已经忘得差不多的楼主听的。。我要跟他说全得满分怎么遭得住

@booboo 话是这么说，但是人的时间是有限的，别人学一下轻松理解，你就要啃半天，这不相当于事倍功半么

@YouXia 另外微积分、线代、概率论是入门的基础，但是想要更好地理解，还得更多的数学知识。

比如最简单的线性回归，一元的只要会求导就行，多元就得和线代结合起来；而想要更深入理解，比如从投影的角度去理解，或者要理解核方法引入的无限维空间，可能就需要泛函的知识了。

此外微积分线代概率论都是低下限高上限的课，一门课学到的知识可能远远不够，还得不断学习，共勉。比如 SVM 的对偶问题部分，说起来也只需要算梯度、严谨的逻辑以及计算。但是从头到尾的证明，没有扎实的基础是看不下去的。

另外就线代来说（也有一些机器学习的算法），推荐一个博客，线代启示录，从浅到深各种层次的知识都有，看问题的角度也很棒，我个人觉得受益匪浅。

我有个博士师兄搞了一些机器学习，怎么说呢，入门其实也不是很难，但是如果你想理解原理，推导证明，那数学功底得相当好。个人建议是先确定你想学哪个，比如 NN 或者 SVM ，然后找对应最经典的著作开始读，不用直接就学 ML 一个学科。另外，最好拉个学数学的小伙伴帮你，因为有时候你会感慨：“我去，这个符号什么意思”，有学数学的朋友就可以帮你推荐书单了

开车和修车还有造车和设计车和设计发动机的区别

可以抱团的学嘛？ 微信群什么的？

在重新啃 线性代数