机器学习周志华的学习资料,周志华 机器学习

大家好，今天小编关注到一个比较有意思的话题，就是关于机器学习周志华的学习资料的问题，于是小编就整理了2个相关介绍机器学习周志华的学习资料的解答，让我们一起看看吧。

1. 《神经网络和机器学习》，PRML，周志华的《机器学习》和李航《统计机器学习》请各位推荐学习顺序？
2. 学习人工智能需要学习那些知识？

《神经网络和机器学习》，PRML，周志华的《机器学习》和李航《统计机器学习》请各位推荐学习顺序？

这三本书我都看过，其中难度最低的是周的机器学习，阁下问题中的《统计机器学习》应该是《统计学习方法》吧，是一本需要比较强的数理功底的书，主要要掌握微积分，概率论和线性代数，看起来才不会太过吃力，建议放在最后。

因为西瓜书偏简单，偏重思想，对于数学公式的数量要比《统计学习方法》少，所以我个人认为可以用周志华的书作为入门，好好理解一下算法的主体思想，逻辑，然后再去看李航的书，会简单一些，至于神经网络与机器学习我个人认为可以第二本阅读或者放在最后，它的数学公式我觉得比李航老师的更详细移动，如果你想先仔细学习数理内容那就先神经网络与机器学习，也可以把它当做最后总复习的时候使用。

如果为了应付面试，李航老师的书应当作为主要的，面试机器学习工程师的话基本就是推算法，写代码。

如果是为了学习，我个人经验是去技术博客里多搜索一些细节，比如关于L1 ，L2正则，梯度下降，随机梯度下降，批量梯度下降，再比如深度神经网络中梯度弥散和梯度爆炸问题，以及gbdt，xgboost这些内容，其实书上讲的很有限，书上的一章三四十页最多了，然而仔细展开的话远远不止，如果真想做这个方向，算法的原理，细节应当炉火纯青，这样才能在实务中针对实用的模型的优势劣势，出现的问题进行考察。

共勉！

不推荐《机器学习》西瓜书

缺点:

1.章节覆盖知识比较多, 但是大多都不够深入, 比如线性回归(正则化和广义线性模型一句话带过?)

2.公式杂乱, 符号乱用, 不遵守规约

3.逻辑混乱, 轻重不分, 比如决策树剪枝全篇都在讲西瓜, 居然没有公式支撑? SVM间隔, 对偶, 核, 软间隔穿插hinge损失? 正常逻辑不应该是硬间隔, 软间隔, hinge损失最小二乘, 核函数吗? SMO一页带过, 罗列了几个公式, 根本没讲清楚

4.其它书里没有的东西, 西瓜书里大概率也没有, 其它书里有的, 西瓜书里也不一定有;其它书里你看懂的东西, 回到这本书里大概率又会懵逼(公式符号不标准, 大篇毫无意义的叙述, 叙述逻辑混乱)

优点: 彩印, 看起来赏心悦目

建议直接从 scikit learn ***，keras ***开始学习，有代码例子，里边都附带训练数据集。

不要以英语不好为借口，搞机器学习，流行的库都是英文的，真正做相关研发，读懂api 是必须的。

至于学习顺序，入门网上有许多 tutorial, 和 introduction.

学习人工智能需要学习那些知识？

学人工智能，需要数学基础：高等数学，线性代数，概率论数理统计和随机过程，离散数学，数值分析。

需要算法的积累：人工神经网络，支持向量机，遗传算法等等算法;当然还有各个领域需要的算法，比如要让机器人自己在位置环境导航和建图就需要研究SLAM;总之算法很多需要时间的积累。

需要掌握至少一门编程语言：毕竟算法的实现还是要编程的;如果深入到硬件的话，一些电类基础课必不可少。

人工智能门槛比较高，需要积累，如果你有这方面的天赋，可以去尝试。

到此，以上就是小编对于机器学习周志华的学习资料的问题就介绍到这了，希望介绍关于机器学习周志华的学习资料的2点解答对大家有用。

[免责声明]本文来源于网络，不代表本站立场，如转载内容涉及版权等问题，请联系邮箱:83115484@qq.com，我们会予以删除相关文章，保证您的权利。转载请注明出处：http://www.lnbtw.com/post/50163.html