机器学习入坑指南（七）：机器学习的知识结构

互联网的浪潮席卷全球，它功成名遂，高处不胜寒，一览众山小。然而时代的弄潮儿不会止步于此，他们还要站在新的浪潮之巅，去征服更大的世界。

一、前言：为何要学习机器学习

我不知道下一个风口到底是什么，但我相信人工智能、虚拟现实、区块链，至少有一种将重塑我们的未来。

经过数十年的发展，机器学习被认为是人工智能中最成熟、应用最广泛、成果最令人振奋的一环。人们对人工智能的遐想通常是拥有独立思维的人型机器，这从各个层面上来看都任重而道远。但机器学习带来的好处已经十分实在——语音/图像识别、人脸识别、智能推送（虽然很烦），以及日趋成熟的自动驾驶。

也许大家对铺天盖地的人工智能培训广告感到厌倦，对广告上诱人的高价薪酬半信半疑，但只要你用心学习一段机器学习，你就会发现它的魅力所在。互联网时代积累下来浩瀚的原始数据，我们需要一种强有力的工具去挖掘它们的价值，这种工具，或许正是打开新世界大门的钥匙。每一个技术人都不希望自己被淘汰，也许机器学习的知识不能帮你找到工作，但却是一张入场券。

据我所知，目前 AI 行业的门槛仍然较高，短期甚至有供过于求的情况。但互联网行业的发展也同样经历过这个时期。等到它真正爆发的时候再去入坑，其实已经晚了。二十年前一个学历普通的年轻人决定进入 IT 行业，只需要稍微培训一下甚至是自学一段时间就能进大厂，而且可能已经成为了行业大牛，但在今天想复制同样的成功却十分困难。为什么股市里那么多韭菜？牛市一窝蜂进去，熊市一窝蜂出来，止跌不止盈，高买低卖。也许道理我们都懂，但这是人性的弱点，我体会过，很难克服，所以，成功的永远只是少数人。

如果你只是为了找工作，想花费一两个月时间（甚至还坚持不了）去学机器学习，那还是放弃吧。如果我是公司老板，这个行业我不会冒险，直接从高学历应届毕业生里找人成本才是最低的。

如果你想真正掌握这门技术，Welcome to Westworld！

二、知识结构分析

下图是根据《机器学习实战》一书制作的思维导图，我们可以利用它来分析一下机器学习的知识结构。

图中，用红色星星标注的是前期需要重点学习的内容，也是比较通用的部分。绿色的饼状图代表我对特点知识的理解程度。

我想，这个结构比我们接触过的大部分学科都要简单。所以没有必要因为高大上的名字就产生畏难情绪。甚至可以再进一步将其简化为“回归”和“分类”两大部分。也许将来还会有“极简机器学习手册”之类的书籍诞生吧，谁知道呢。

书中按顺时针顺序组织章节内容，我觉得是 OK 的。

1 机器学习基础部分

机器学习需要什么先导知识呢？

本科正常毕业水平的线性代数、概率论，和一点点计算机知识即可。

忘了的知识可以复习，真遇到不懂的上网查查就好了。至于编程，由于有 Python 这样的语言在，只需要花费很少的时间（一周以内），就能从 0 开始读懂程序。如果你有任何一门语言的基础，那么根本不用单独花时间学 Python，遇到看不懂的语法直接搜索就完了。

2 分类

分类分为监督分类和非监督分类，又各自有不同的方法。

监督分类，如图所示，大致就是 KNN、决策树、贝叶斯、逻辑回归、SVM，其中 SVM 相对复杂点，其它的很容易理解。

非监督分类，主要就是聚类和密度估计。

3 回归

回归即定量的分析或预测。包括线性回归（简单线性回归和多元线性回归）和树回归。这部分的模型也很好理解。

关于回归和分类的区别，举个例子：

预测明天下不下雨，属于分类问题；
预测明天的降雨量，属于回归问题。

4 研究方向

其一，是寻找新的分类与回归问题的算法。

其二，是如何改进已有的算法，提高他们的准确度与运算效率。

其三，是研究如何把机器学习与实际应用更好地结合。

对于不打算走算法路线的同学们，只要不断跟进新的成果，并尝试去应用它们就足够了，把机器学习当做一个强有力的工具即可。

三、学习路径与资料分享

1 学习路径

其实刚才的结构分析中已经体现出来了。我的学习路径是这样的：

机器学习是什么 -> 线性回归 -> 逻辑回归 -> SVM -> 线代 -> KNN -> 贝叶斯 -> 决策树 ...

各个算法的学习顺序无所谓，一个一个攻克即可。先把基础的学下来，并动手写代码实践，再尝试去改进它。

数学基础不用担心！！！

编程不用担心！！！

找不到对象完全不用担心！！！

2 学习资料

最后给大家推荐一些学习资料。

[1] GitHub - Avik-Jain/100-Days-Of-ML-Code，一个小哥分享的学习笔记与实践代码，时间比较充裕的学生党可以按照他每日的进度学习。

[2] 网盘 - 一些参考书籍与视频教程，提取密码：dnxs。是大佬分享给我的，内容很多，大家各取所需。

[3] MIT 的线代教程，公认的好课。需要补线代知识的同学可以刷一遍。

[4] 斯坦福的机器学习教程，吴恩达老师是我们共同的老师。

[5] 一些培训机构的在线课程，比较适合没有大把时间学习的上班族，有人替你规划学习路线、督促你学习，目前来看价格还是不便宜的，大家自己做取舍吧。

[6] 「CSDN - Evan 的博客」，一个和你一起成长进步的热爱学习的新时代优秀青年，最大的优点是为人谦虚，低调。并没有太多才华，就是长得比较帅。关注我，让你体验超越我的感觉，重拾学习的自信与快乐。

声明

上述资源来自互联网，如有侵犯版权请联系我，我会在第一时间处理。

资料仅作为个人学习使用，切勿用在商业用途，请于下载后24小时之内删除，否则由此引发的法律纠纷及连带责任本人概不承担。