学习机器学习的先决条件是什么？

Question

我一直着迷于机器学习的主题，直到我决定教自己如何去做。所以我在网上发布了斯坦福大学提供的课程。然而，我对它所包含的数学量感到震惊。那么，我应该能够理解机器学习算法的数学背景是什么？是否有任何图书馆能够抽象出所有的数学知识，并专注于实际设计能够学习的软件？

Answer 1

就像计算机科学相关主题的99％（不要引用数字）一样，机器学习的理论基础经常涉及很多数学......无论如何，即使没有深入的微积分知识，也很难接受一些基本的ML算法。

有各种学习机库外面：

• Weka
• Java Machine Learning Library (Java JML)
• Apache Mahout
• Others...

我要说的是，你应该试图建立启动自己简单的ML算法：可能是Neural Network或Genetic Algorithm。成功构建一个会使你的理解发生很大变化......特别是在给定一个特定问题后，你可能不得不自定义ML算法。了解它是如何工作的，从头开始，将允许您进行任何您认为必要的修改。

Answer 2

Here's .NET Rocks一集！谈论机器学习，和一个小library玩

Answer 3

Programming Collective Intelligence: Building Smart Web 2.0 Applications通过Toby Segaran是一本了不起的书！ Toby构建了所有时间机器学习经典的简单实现：神经网络，支持向量机，遗传算法，聚类。所有这些简单的解释如何和为什么他们的工作。作为奖励，所有的例子都在Python中！但即使你不了解Python，你也会理解这本书。我强烈推荐它

Answer 4

看到这里的机器学习的一些背景的文本： http://bumphunting.blogspot.com/2009/07/what-are-good-prequisite-textbooks-for.html

Answer 5

线性代数和（基本）的统计数据。

Answer 6

1. 线性代数
2. 概率论
3. 演算变化
4. 演算
5. 图论
6. 优化方法（拉格朗日乘数）