520 頁機器學習筆記！圖文并茂可能更適合你
本文經機器之心授權轉載，禁二次轉載
在介紹中，Jim Liang?寫到：
人工智能是這兩年風頭正勁的領域，也是未來具有顛覆性可能的新領域。不少人嘗試去學習機器學習相關的知識。然而，一旦越過最初的 overview 階段，很多人就開始打退堂鼓了，然后迅速放棄。
為什么會這樣？
極 高 的 學 習 曲 線
首當其沖就是數學，涉及統計學、微積分、概率、線性代數等，大家雖然都學過高等數學，但如果你還記得里面的細節，算你牛。更可能的情況是，多數人都對高等數學忘記了，面對各種算法里的大量公式，感到厭惡，甚至恐懼。
其次因為機器學習本身是一個綜合性學科，而且是一個快速發展的學科，知識點散亂，缺乏系統性。
市面上的機器學習/深度學習書籍、文章、教程，遍地開花，但能以清晰的方式表達、循序漸進地講解的教程，其實不多，大量的教程沒有考慮到學習者的基礎，使得初學者感到挫敗和困惑。
圖 解 機 器 學 習
正是對機器學習的過程中的痛苦有切身體會，我希望能做一份教程，以淺顯易懂的方式去講解它，降低大家的學習門檻。我為此花費了數月時間，經常做到深夜，把自己的學習筆記整理成了這份教程。
從結構來看，全部教程包含兩部分：
Part 1 介紹了基本概念，包括：
機器學習的流程
數據處理
建模
評估指標（如 MSE、ROC 曲線）
模型部署
過度擬合
正則化等
除了這些基礎概念，這份教程也對機器學習模型的開發流程做了圖像化展示（如下圖），即使對此不太了解的讀者，也能通過這種流程展示有所學習。
建立機器學習解決方案的步驟
線性回歸
邏輯回歸
神經網絡
SVM
Knn
K-Means
決策樹
隨機森林
AdaBoost
樸素貝葉斯
梯度下降
主成分分析
例如，下圖中的概念解釋很形象地展現了生物神經元和人工神經元工作方式的相似性。
生物神經元的樹突輸入-軸突輸出模式和人工神經元的輸入輸出模式對比。
過擬合的解釋。
人工神經元的基礎結構。
對于并列的可選項（如激活函數、常用神經網絡架構等），也會有全面的列表：
常用的激活函數。
然后會有每個激活函數的單獨介紹：
Sigmoid 激活函數。
用神經網絡分類手寫數字的前向傳播示例（softmax 激活函數）。
對于神經網絡中較為復雜的概念（如求導、反向傳播），幾張圖就能解釋清楚：
反向傳播算法完整流程。
前向傳播部分的計算細節。
就像前面提到的，這部分除了「神經網絡」的介紹，還包括隨機森林、梯度下降等概念的介紹，讀者們可查看原教程。
總結
看完這份教程之后，小編覺得這是一份包羅萬象的學習筆記，既適合非專業人士了解有關機器學習的基礎概念，又適合有專業背景的學生進一步學習。
教程文檔-（百度云）：
https://pan.baidu.com/s/1tNXYQNadAsDGfPvuuj7_Tw
人工智能
版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。
版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。
相關文章
