入門機器學習到底需要多少數學知識

還記得上個月的時候，準備學習機器學習的知識，想著線性回歸模型較簡單一些，那就從它開始吧。可是仔細一看裡面的知識包括矩陣、極大似然函數、求導等方面的知識，這些知識也只是大學的時候學習的，現在也早已還給了老師。於是開始搜索入門機器學習需要哪些數學知識，應該怎麼去學，搜索的結果表明，概率論統計、線性代數、高等數學這些知識都是需要的。可是自己真的要花很長時間一點點的把這幾本書給學完嗎？

我當時就在想，如果僅僅把這幾本書簡單學習一下，沒有一個月估計也是不行的，再說一點點的看，也看不下去啊。所以，那有沒有最少的必要知識，能讓自己入門機器學習呢？於是開始尋找，有沒有人總結了這方面的知識，並且把知識講的容易理解，還能夠把知識串起來呢？這個還真有，想到原來考研老師在我們學校講考研基礎課程的時候，像線性代數這樣的課程用了一天的時間就把知識大概串了一遍。於是，我就找到了他的視頻，也送給大家。張宇老師的考研數學視頻，這份視頻包含了考研各個階段的視頻，裡面包含概率統計、線性代數、高等數學，大家看完基礎篇所補充的數學知識差不多也夠了。好了，這篇文章的主題也就結束了，下面的是我在學習時走的一些彎路。

近幾天我學習一些機器學習知識的感受。

我最大的感受是，機器學習演算法真的讓人看不懂啊，這種看不懂並不是因為數學知識太過於複雜，而是因為好多概念都特別陌生，比如拿一篇演算法的文章來看，看到第二段的時候，第一段的內容已經都忘記了；有時候就會糾結某一個推導公式怎麼來的呢，想了半天就是想不出來，其實在文章中作者已經鋪墊過，只是自己不熟悉文章總是忽略掉重點信息。想想看，對於不熟悉的知識，也是在所難免的，所以自己在學習某一種演算法時，就先找一篇關於這種演算法的通俗介紹，心裡有個大概印象，知道這個演算法是幹什麼用的，然後再開始學習這種演算法的原理，碰到不理解的就回頭重新看文章。

自己學習時犯得錯誤

剛開始的時候，自己犯了一個錯誤就是，一旦看不懂，就想者搜索關於這個演算法能夠看懂的文章，可到最後搜了一些文章還是看不懂，但自己不死心啊，就開始找視頻，找到後快進著看視頻，想找到能夠解決自己疑問的那一段，就這樣把一套視頻給快進完了還是沒有解決疑問。然後一個下午的時間過去了，自己也陷入了深深的自責之中。所以，希望和我一樣是剛開始學習機器學習演算法的朋友們，在學習的時候，一定要有耐心，很多看不懂的東西，其實認真多看幾遍就好了。我學習的時候，為了防止遺漏信息而看不懂文章，都是一邊看一邊在抄寫文章。有一點大家也應該注意一下，有好多人寫的文章是沒有經過深思熟慮的，看的時候應注意甄別，所以為了保險可以選擇一本權威的書來學習，其他為輔助。書本，我看的是，李航老師的《統計學習方法》，還有一位博客園作者寫的挺好的，推薦給大家(劉建平Pinard)

學習時，要不要買課或報班的問題

在網上看到了好多數據分析或者數據挖掘的課程，但仔細看課程大綱，大多是學習Python的一些基礎知識，numpy、matplotlib、pandas這三個包的用法，然後就開始講kaggle上找的一些比賽，教給大家是如何調用機器學慣用的scikit-learn這個包。其實，這樣的課程大家都是可以自己學習的，如果是機器學習演算法之類的課程，根據費用大家可以考慮一下，因為這類知識還沒有太普及。

好了，大家一起加油啊！

推薦閱讀：