如何踏上人工智能之路(機器學(xué)習(xí)篇)

如何打開機器學(xué)習(xí)的大門

AI這個詞相信大家都非常熟悉了，在幾年人公智能圈子格外熱鬧，先是阿法狗帶了個好頭，讓大家重新對人工智能刮目相看。能取得今天這樣的成績絕非瞬間的爆發(fā)而是多少年日益的積累。今天咱們就來嘮一嘮如何進軍人工智能的第一步-機器學(xué)習(xí)。

我選Python玩AI：

Python語言已經(jīng)非?；鸨?，有句古話說得好，人生苦短，我用Python。在機器學(xué)習(xí)這個領(lǐng)域Python已經(jīng)成為了主流，一方面因為這門語言簡直太簡單了，就我個人而言我搞過C++也玩過JAVA但是學(xué)起來用起來相對來說都比較難（說白了。。。就是我比較懶），但是python用起來簡直不要太輕松，這也是推薦新手選擇python的原因，非常容易上手，決沒有惡心到家的指針。另一方面現(xiàn)在無論是做項目還是搞研究都非常追求效率，絕大多數(shù)情況下，很多代碼都不需要自己從頭到尾實現(xiàn)，而是調(diào)用已經(jīng)非常完善的庫了，這也是我覺得python最強大的地方，可以很輕松的安裝好一個想用的庫，用這些庫幫助我們解決問題。
對于剛?cè)腴T的同學(xué)來說，肯定不會自己動手一步一步的去實現(xiàn)所有需要的技術(shù)代碼，一個最直接的學(xué)習(xí)方法就是結(jié)合開源的框架，那么可以說機器學(xué)習(xí)和深度學(xué)習(xí)的開源框架基本都是python接口的，能用這些開源框架是我們學(xué)習(xí)的一個最基本的手段啦，所以重要的事情說三遍,python!python!python!

Python科學(xué)計算庫-Numpy

說到機器學(xué)習(xí)，簡單來說就是，數(shù)據(jù)輸入進來，然后得出一個想要的結(jié)果。那么在中間我們計算的是什么呢，為了計算的高效和方便，通常都是將數(shù)據(jù)轉(zhuǎn)換成矩陣的形式，也就是行作為樣本，列作為特征。那么這些復(fù)雜的矩陣計算我們該怎么樣完成呢？這里我們就需要Numpy了，它可以幫助我們很輕松的完成一系列的計算。如果你要跟數(shù)據(jù)打交道，那么Nmupy你肯定離不開了。
Python數(shù)據(jù)分析處理庫-Pandas

在做任何一個機器學(xué)習(xí)算法之前都需要對數(shù)據(jù)進行預(yù)處理，也就是說數(shù)據(jù)是不純凈的，首先我們需要提取特征，再去除一些錯誤的有問題的樣本，那么這些該快速完成呢，如果你喜歡偷懶要快速做完這些苦活，那么Pandas將會是一個非常不錯的選擇，在這里，你只需要簡單的幾行代碼就可以對數(shù)據(jù)做好預(yù)處理的操作。

Python數(shù)據(jù)分析處理庫-Matplotlib

數(shù)據(jù)分析和機器學(xué)習(xí)都離不開可視化展示，因為無論是做項目交付還是搞算法研究，都需要對自己的成果心里有個數(shù)吧，那么在這里我們就可以用Matplotlib來完成這個事，還是簡單的幾行代碼，就能把結(jié)果輕松展示出來。

Python機器學(xué)習(xí)庫-Scikit-Learn

這個武器十分有殺傷力，它就是我們機器學(xué)習(xí)必備的家伙，在這里我們可以選擇任何你喜歡的機器學(xué)習(xí)算法，然后把數(shù)據(jù)輸入進來，直接RUN就可以迭代計算了，簡單太自動了，這個庫十分強大，封裝了大量機器學(xué)習(xí)算法以及評估和預(yù)處理等操作。輕輕松松幾行，一個復(fù)雜的機器學(xué)習(xí)算法已經(jīng)在跑了。

數(shù)據(jù)與實戰(zhàn)

在機器學(xué)習(xí)這條路上，我們一定會跟數(shù)據(jù)打交道，這里十分推薦大家找一些真是的案例數(shù)據(jù)，用這些python庫來實際的玩一玩。因為這些庫都是開源的，咱們也可以自己打一些斷點，從流程上一步一步走完整個機器學(xué)習(xí)的算法。
有很多同學(xué)都問過我，基礎(chǔ)很一般能入門機器學(xué)習(xí)嗎，聽說機器學(xué)習(xí)對數(shù)學(xué)的要求很高，這該怎么辦呀？說實話機器學(xué)習(xí)就是數(shù)學(xué)公式組成的，但是如果不搞科研的話我覺得能把流程和應(yīng)用搞懂已經(jīng)足夠用了，并不推薦新手直接從數(shù)學(xué)開始進軍，因為我覺得這個活太枯燥了，不見得大家都能有這種持之以恒的毅力堅持住。我覺得可以從案例和應(yīng)用下手，先了解算法從頭到尾做了一件什么事以及能用在什么地方，再回過頭來去搞算法的推導(dǎo)效果應(yīng)該會更好的、

學(xué)習(xí)路線圖

這個路線圖是針對咱們要入門的同學(xué)制定的，已然成神的同學(xué)們可不使用哦。

（一）搞定Python：

千萬別花個把個月轉(zhuǎn)攻這個，因為語言只是一個工具，我們完全可以邊用邊學(xué)，建議快速掌握基本語法，邊練邊學(xué)。

（二）機器學(xué)習(xí)算法：

機器學(xué)習(xí)有很多經(jīng)典的算法，咱們不妨從最簡單的K近鄰開始，用python實現(xiàn)出這些經(jīng)典的機器學(xué)習(xí)算法從流程的角度熟悉這些算法的原理。

（三）熟悉這些庫：

如果大家想精通這些庫，我覺得難度還是蠻大的，不妨先熟悉這些庫能做什么，等咱們實際用的時候再去查語言就完全來得及。因為我用了這么久大部分函數(shù)還得每次用的時候現(xiàn)查，即便我知道該這么用還是會不放心查一查。

（四）案例與實戰(zhàn)：

用真實數(shù)據(jù)來玩算法是學(xué)習(xí)的最好方式。咱們可以找一些真實的數(shù)據(jù)來練練這些機器學(xué)習(xí)算法，先搞定算法的原理，再把數(shù)據(jù)應(yīng)用進去，然后就是一步一步debug完成整個項目。