《零基础学机器学习》学习大纲

《零基础学机器学习》采用对话体的形式,通过人物对话和故事讲解机器学习知识,使内容生动有趣、通俗易懂,降低了学习门槛,豆瓣高分9.1分,作者权威。
接下来的数篇文章,我将用通俗易懂的方式,把书中的知识点一一详细介绍。搭配书本一起看,效果会更好。本书链接


一、基础认知篇 ➔ [第一章]

graph TD
    A[什么是机器学习?] --> B[定义与核心思想]
    A --> C[与编程的区别]
    A --> D[三大学习范式]
  1. 机器学习本质:让机器通过数据自动寻找规律 ➔ 就像教幼儿认动物,给大量图片后机器自己总结特征1
  2. 对比传统编程:解决复杂规则场景 ➔ 不需要写判断抖音推荐的所有规则,让机器自己学习用户偏好2
  3. 核心分类体系

    • 监督学习 → 带答案的学习册,如预测房价时需要历史价格数据3
    • 无监督学习 → 给无标签积木自由组合,发现隐藏规律3
    • 强化学习 → 电子宠物狗试错学习,做对给虚拟奖励3

二、数学筑基篇 ➔ [第二章]

flowchart LR
    矩阵运算 --> 概率分布 --> 梯度计算
  1. 必备三件套

    • 向量/矩阵 → 数据表格的数学表达,如Excel表格转数字阵列4
    • 概率统计 → 预测可能性,下雨概率70%就是典型应用5
    • 微积分 → 找最优解的导航仪,帮模型快速找到最佳参数6

三、数据预备篇 ➔ [第三/四章]

  1. 数据清洗四步骤

    • 缺失值填补 → 补全问卷漏填的题目,保证数据完整性7
    • 异常值检测 → 发现身高填3米的不合理数据8
  2. 特征工程三板斧

    • 标准化 → 把厘米和公斤单位统一成标准值9
    • 特征选择 → 选最重要的考试科目做录取判断10
    • 独热编码 → 把"红黄蓝"颜色变成001/010/100的数字格式11

四、算法全览篇 ➔ [第五章]

graph TB
    监督学习 --> 线性模型
    监督学习 --> 树模型
    无监督学习 --> 聚类
    无监督学习 --> 降维
  1. 监督学习双星

    • 线性回归 → 画最佳趋势线预测明日气温12
    • 决策树 → 类似"Yes/No"问答游戏层层筛选13
  2. 无监督利器

    • K-means → 自动把超市顾客分成不同消费群体14
    • PCA → 把100维数据压缩成3D视图仍保持主要特征15

五、效果检验篇 ➔ [第八章]

  1. 评估黄金准则

    • 混淆矩阵 → 诊断模型在医疗检查中的误诊情况16
    • 交叉验证 → 用五次模拟考试验证真实水平17
  2. 调参艺术

    • 网格搜索 → 像尝试所有密码组合找最佳解锁方式18
    • 正则化 → 给模型带定位手环防走极端路线19

六、深度启蒙篇 ➔ [第九章]

flowchart LR
    神经元 --> 网络层 --> 反向传播
  1. 深度基础

    • 感知机 → 模仿大脑神经元的开关系统20
    • CNN → 用放大镜局部观察图片特征层层传递21

七、工具实战篇 ➔ [第七章]

  1. 四大金刚

    • scikit-learn → 机器学习界的瑞士军刀22
    • TensorFlow → 乐高式搭建深度学习模型23
  2. 实践路线

    • 官方示例 → 跟着菜谱学做经典菜肴24
    • Kaggle → 参加机器学习界的奥林匹克25

  1. 《零基础学机器学习》第一章第一节核心定义
  2. 《零基础学机器学习》第一章第二节优势对比
  3. 《零基础学机器学习》第一章第三节类型划分
  4. 《零基础学机器学习》第二章第一节线性代数基础
  5. 《零基础学机器学习》第二章第二节概率基础
  6. 《零基础学机器学习》第二章第三节最优化方法
  7. 《零基础学机器学习》第三章第一节缺失值处理
  8. 《零基础学机器学习》第三章第三节异常值检测
  9. 《零基础学机器学习》第四章第二节特征标准化
  10. 《零基础学机器学习》第四章第三节特征选择
  11. 《零基础学机器学习》第四章第四节编码处理
  12. 《零基础学机器学习》第五章第一节线性回归
  13. 《零基础学机器学习》第五章第三节树模型
  14. 《零基础学机器学习》第五章第五节聚类算法
  15. 《零基础学机器学习》第五章第六节降维技术
  16. 《零基础学机器学习》第八章第一/二节评估指标
  17. 《零基础学机器学习》第八章第三节验证方法
  18. 《零基础学机器学习》第八章第四节参数调优
  19. 《零基础学机器学习》第八章第五节正则化
  20. 《零基础学机器学习》第九章第一节神经网络基础
  21. 《零基础学机器学习》第九章第二节CNN原理
  22. 《零基础学机器学习》第七章第一/二节工具介绍
  23. 《零基础学机器学习》第七章第四/五节框架使用
  24. 《零基础学机器学习》第十章第一节项目实践
  25. 《零基础学机器学习》第十章第四节竞赛指导

kovli
13 声望7 粉丝