我作为小白挖过的坑
我并不懒惰，我入门时调查了很多有关机器学习的网站，公式，公式，公式，怎么都是公式，看不懂！怎么办！柳暗花明突然发现scikit-learn，抱着实用主义的方式，不看公式直接开始使用，问题很快就出来了，这些函数的参数是干什么的，为什么要这样设置，参数的范围值和什么有关，一个接一个的问题无法解决，放弃。
紧接着，又柳暗花明一次，我发现了TensorFlow---- 还是深度学习，厉害啊！然后又开始新的路程，发现完全不知道官方的文档说的是什么，找网站查查，完蛋了，情况好不到哪里，完全不知道大家讲了什么。
总结：没有任何概念，没有任何基础，没有任何参考，进行此类学习，基本是不可能完成。
罗列问题都来自哪里
1 我为什么看不懂数学公式，我总结原因：根本没有主线，直接搜索数学相关知识，又是课本教学，毫无意义。
2 我为什么根本不明白scikit-learn，TensorFlow，总结原因：本来就没有概念，数学基础又弱。
寻找问题的解决的方向
在“罗列问题都来自哪里”，我发现有三个急需解决的名词，它们分别是: 机器学习算法，神经网络算法，深度学习算法。为了方便大家，让大家不要再纠结，我以最直白的话讲给大家听：
上面三个名词解决的问题，无外乎解决“分类”和“回归”这2件事情。分类大家都应该明白，不做解释。回归，拿浙江《非诚勿扰》栏目举例，女嘉宾为啥对个个男嘉宾，有时灭灯有时亮灯，她们是怎么想的？说明这些女嘉宾心里都有一把尺子在进行度量，度量什么呢？有房能得几分；房子在哪个城市能得几分；房子在城市的哪个位置，能得几分，接下来还有许许多多的类似的度量，例如，车，存款，理想，样子，身高，胖瘦，家庭观等等。一旦掌握了某个女嘉宾的度量标准，那么下一位男嘉宾，一出来自报家门，你都能立刻知道他是否被她灭灯。那么研究这个度量标准，就是回归。
话题拉回来，看下面：
机器学习算法： 通过数学导出公式，然后用代码进行公式实现。
神经网络算法： 就是机器学习算法一种，也有数学公式，只不过用迭代的方式，一次一次接近真实值。
深度学习算法： 就是把神经网络多弄几层，所以有些地方你能看到“深度神经网络”
问题已经解决80%
为什么现在很多人，直接就搞深度学习呢？ 上面不是说明白了，机器学习才是基础吗。没错，有了机器学习算法 这基础，你基本上可以看懂80%的数学名词，也基本上可以看懂很多数学公式，包括一些论文了。
之所以搞深度学习，是因为：
1）有名气，围棋大师都输给机器人啦.
2）确实在某些领域有强有力的突破。
假如硬要从深度学习开始入手可以吗
可以，但是有2个条件你必须具备：
1）你所在的公司招聘了 厉害的人 ，并且愿意带着你做项目。
2）你准备个3-5万元培训费，这个我就不多说了（注意：那些价格标注“500元以下”的深度学习培训包括视频，都是耍流氓）。
除此外，你还要明白我下面要讲的话（这个是重点，同学们注意画圈，考试必考）：
1）除非你有3-5年的工作经验，否则在进行公司面试时机器学习算法，如svm，逻辑回归等，你根本不可能绕过去，也就是说，你完全没有机会进入任何一家公司。
2）深度学习训练，得到最终训练结果少则3个月，多则1年。机器学习算法，一般情况有1-7天足够。你认为什么样的公司会让你什么也不产出，就干耗着时间拿工资？所有多数公司目前仍然是机器学习算法，或者是机器学习算法+深度学习。
3）深度学习训练需要大量的数据，即数据是其燃料，在实际的问题中，我们可能并不会有海量级别的数据，所以公司一般还是用机器学习算法。（完蛋了3-5万培训费白搞事情了，搞得扎心吧）
是真的吗，此话当真?
还有迷糊的，我再举例，附带推荐，让大家别跳坑：
从南大周志华老师的畅销书《机器学习》的目录来看（这本书很多企业团队购买过，想省钱的，自我感觉不错的，推荐购买）：
第四章：决策树
第五章：神经网络
第六章：支持向量机
第七章：贝叶斯分类器
第八章：集成学习
第九章：聚类
第十章：降维与度量学习
第十一章：特征选择与稀疏学习
第十二章：计算学习理论
第十三章：半监督学习
第十四章：概率图模型
第十五章：规则学习
第十六章：强化学习
深度学习属于神经网络那一章，只占机器学习领域很小的一块。
从北大章老师视频培训视频《机器学习》的目录来看（我是比较推荐的，普通话的斯坦福教学，手写推导+python实战，数学都能学会）：
第七章 支持向量机（SVM）
第八章 AdaBoost算法
第九章 PCA降维算法
第十章 感知器算法
第十一章 BP神经网络算法
第十二章 卷积神经网络
深度学习也仅限于卷积神经网络
总结一下吧
深度学习是 data driven 的，需要大量的数据和时间消耗，而传统的机器学习算法通常不需要；
深度学习本质上可以看作一个特征学习器，在无需另构特征情况下，传统的机器学习算法已经能够胜任日常的任务；
如无必要，勿增实体。能够简单的模型解决的，不必要上深度学习算法，杀鸡焉用牛刀？
不懂行的、入门的，不要，不要，不要，（说三遍）不要搞深度学习，从机器学习开始，否则你会哭。
