kaggle竞赛入门
我入门是看了范淼和李超的《python机器学习机实践-----从零开始通往Kaggle竞赛之路》
这本书需要掌握python语言，并熟练使用如下python包：pandas numpy matplotlib/seaborn sklearn
pandas是数据处理的一个库，通过http://www.cnblogs.com/chaosimple/p/4153083.html就可以学会个大概
numpy是处理多维数组的一个库，通过http://old.sebug.net/paper/books/scipydoc/numpy_intro.html也能学到个大概
matplotlib可以用来做可视化，通过http://old.sebug.net/paper/books/scipydoc/matplotlib_intro.html也能学到大概
我一般使用seaborn做可视化，这个库是matplotlib的高级封装，通过http://blog.csdn.net/qq_34264472/article/details/53814653可以快速入门
https://www.kaggle.com/benhamner/d/uciml/iris/python-data-visualizations这个是seaborn做可视化非常好的例子
sklearn的整体性入门，个人觉得看 范淼和李超的《python机器学习机实践-----从零开始通往Kaggle竞赛之路》就可以了
当然，上面这些都只是入门，要学会融会贯通，查看官网进行系统性学习是必须的；另外就是开始做项目，在看别人的代码，写自己的代码中熟悉各种语法和操作
-------------------------------------------------------------------------------------------------------------------------------------------------------------------------
我学习东西，一般的思路都是先去找学习路径，经常上知乎。。
http://www.cnblogs.com/zhizhan/p/5826089.html这篇文章非常的好
总结下重点，
1，特征工程
目前的机器学习一般把大多数时间都花费在数据处理上（包括特征工程）；
数据处理前需要先了解数据的大概，所以需要可视化
https://mp.weixin.qq.com/s/Nt9xKQQZLyWBmU_bMEsbtg这个是讲的比较好的一个例子
2，模型融合
模型融合简单来说就是博采众长，分为bagging boosting stacking等
--------------------------------------------------------------------------------------------------------------------------------------------------------------------------
有了上面的基础就算大概入门了，然后找几个kaggle的例子进行练手，同时看看别人都是怎么玩的
https://www.kaggle.com/kernels这里都是大神，按照各种类别或者自己喜欢的领域边看边写代码
看到下面的神图
参考自http://www.sv-europe.com/crisp-dm-methodology/
拜读起来！！！
--------------------------------------------------------------------------------------------------------------------------------------------------------------------------
我的机器学习之旅，学了spark ml，看了几本理论（差不多忘了），看了公开课（吴恩达的），看了无数的文章，学会了大多数的调优
慢慢的有一种感觉，这玩意还不成熟，总有一天会有一个大一统的模型出来，可以通过网页配置进行特征工程和机器学习调优，最终形成一个平台。
后来，果然看到了一个类似的http://blog.kaggle.com/2016/07/21/approaching-almost-any-machine-learning-problem-abhishek-thakur/
突然感觉，哪天是不是要失业了。。
---------------------------------------------------------------------------------------------------------------------------------------------------------------------------
深度学习貌似注重算法一些，为了不失业，感觉得不断丰富自己的武器库。加油加油！！
