以前买英语书,最喜欢的就是《xx英语高频词汇手册》之类,仿佛只需要背过这些词,考试就没问题了。
基于相同的理念,我也写一个机器学习领域的"高频功能手册"吧。
作为一枚机器学习的新手,我在这两年中看了不少的书籍,有的侧重原理和理论,有的侧重工具和实现。
先列出一份书单,虽说不上什么权威推荐,但我觉得适合新手阅读(主要是适合我的水平阅读):
1.《机器学习》——(美)Tom Mitchell,机械工业出版社(黑皮书)
2.《机器学习》——周志华,清华大学出版社(西瓜书)
3.《机器学习实战》——(美)Peter Harrington,人民邮电出版社(Machine Learning in Action)
4.《百面机器学习》——诸葛越,人民邮电出版社
5.《TensorFlow》——郑泽宇,电子工业出版社(实战google深度学习框架)
几本数学相关的书籍:
6.《程序员的数学》——[日]结成浩,人民邮电出版社
7.《程序员的数学2——概率统计》——[日]平冈和幸、堀玄,人民邮电出版社
8.《程序员的数学3——线性代数》——[日]平冈和幸、堀玄,人民邮电出版社
9.《深度学习的数学》——[日]涌井良幸、涌井贞美,人民邮电出版社
10.《统计学习方法》——李航,清华大学出版社
列出书单嘛,也未必要把每一本书都背过,搭配着阅读就好。我觉得即使不能全部掌握,阅读部分章节也是有收获的。
讲理论不是我的强项(其实是烦恼编辑数学公式),那我就写点工具和项目方面的吧。
本系列文章主要使用的工具有:Numpy、Pandas、matplotlib、sk-learn、Keras、TensorFlow等,这些工具的基本使用,就看各自的官方网站吧。
有了以上的基础,就可以快乐的阅读这个高频手册了(跟想象的高频手册用法不一样啊,分明就是标题党嘛)。
目前内容还不够全面,随着学习的深入,我会继续补充完善。
[常用功能系列]:
熟练掌握以上常用功能,就可以结合真实的数据完成相关项目了。
做项目可以综合运用各种工具,提高工具的熟练度,也可以加深对理论的理解,有不清楚的概念再深入研究理论,从而达到更高的水平。
[Kaggle练习系列]:
02 Predict survival on the Titanic(Titanic Disaster)