正在啃 Marchin learn in action 这本书. 但发现自己数学功底不太够 回头在学 条件概率等知识.
求下这行的朋友们 有好书和学习路径推荐没; 包括数学基础 英语相关资料 和 开源例子. 感激不尽
1
murmur 2017-03-22 09:45:28 +08:00
数学功底不够建议直接放弃 或者说你大学的概率论、微积分、线性代数都考了多少分
有人说微积分不推公式用不上,但是这是数学啊,代表一种学习能力而不是要你微积分学的多牛逼 何况这三门啥时候分家了。。 数学不是刻苦就学的来的,这个真的跟艺术一样需要天分。。 |
2
murmur 2017-03-22 09:51:22 +08:00
然后呢 我推荐的书实际上是 PRML 就是 被称为圣经的 Pattern Recognition And Machine Learning
这个跟看 thinking in java 不一样,机器学习学深入要求完整的数学体系,即便是做调参数党你靠 fail and retry ,那么好多个参数你要试到猴年马月能试出较优解来 看这个书的,一般数学不行的第一章就放弃了,差不多到贝叶斯分布哪里,到了第二章你会看到笛利切雷分布,也就是 LDA 里用的那个东西 祝你好运,我就是放弃者 |
3
blackjar 2017-03-22 10:24:10 +08:00
数学不好先补数学 数学学不会 就放弃吧
|
4
booboo 2017-03-22 11:48:17 +08:00
这个级别的数学知识扯什么天分。学不学得好就是时间和刻苦程度的问题。
|
5
est 2017-03-22 12:41:50 +08:00
先买 4 块 Titan 压压惊啊。
|
7
jziwenchen OP @murmur
说到数学 我觉得只是自己全忘记了而已 要重新拿起来也不是难事. 你说的对学好数学需要天分 可是机器学习大部分不也是用别人的理论嘛? 能学一个 80%也算是可以接受的,没有计划走到顶端去. 我是不是该从高中的数学开始补起来... |
8
Xs0ul 2017-03-22 13:15:18 +08:00 via Android
@jziwenchen 随便搜个本科的微积分和线性代数期末考卷,要说捡起来,至少得做个及格吧
|
9
gunshot 2017-03-22 13:19:09 +08:00
@murmur PRML 第一章习题就用到了变分...但会链式法则就能把 deep learning 的基础摸个大概。这种书本来就是要刷三遍才算过的。
|
10
jziwenchen OP |
11
YouXia 2017-03-22 13:25:02 +08:00
@Xs0ul
本科的高等数学、概率论、线性代数等基本上考试都在 90-93 分之间,但是感觉自己数学还是渣的搞不定机器学习。。。 |
14
Xs0ul 2017-03-22 14:10:31 +08:00 via Android
@YouXia 另外微积分、线代、概率论是入门的基础,但是想要更好地理解,还得更多的数学知识。
比如最简单的线性回归,一元的只要会求导就行,多元就得和线代结合起来;而想要更深入理解,比如从投影的角度去理解,或者要理解核方法引入的无限维空间,可能就需要泛函的知识了。 此外微积分线代概率论都是低下限高上限的课,一门课学到的知识可能远远不够,还得不断学习,共勉。比如 SVM 的对偶问题部分,说起来也只需要算梯度、严谨的逻辑以及计算。但是从头到尾的证明,没有扎实的基础是看不下去的。 另外就线代来说(也有一些机器学习的算法),推荐一个博客,线代启示录,从浅到深各种层次的知识都有,看问题的角度也很棒,我个人觉得受益匪浅。 |
15
justpayne 2017-03-22 17:50:08 +08:00
我有个博士师兄搞了一些机器学习,怎么说呢,入门其实也不是很难,但是如果你想理解原理,推导证明,那数学功底得相当好。个人建议是先确定你想学哪个,比如 NN 或者 SVM ,然后找对应最经典的著作开始读,不用直接就学 ML 一个学科。另外,最好拉个学数学的小伙伴帮你,因为有时候你会感慨:“我去,这个符号什么意思”,有学数学的朋友就可以帮你推荐书单了
|
16
circsqua 2017-03-22 17:53:35 +08:00
开车和修车还有造车和设计车和设计发动机的区别
|
17
jziwenchen OP 可以抱团的学嘛? 微信群什么的?
|
18
jziwenchen OP 在重新啃 线性代数
|