还记得上个月的时候，准备学习机器学习的知识，想着线性回归模型较简单一些，那就从它开始吧。可是仔细一看里面的知识包括矩阵、极大似然函数、求导等方面的知识，这些知识也只是大学的时候学习的，现在也早已还给了老师。于是开始搜索入门机器学习需要哪些数学知识，应该怎么去学，搜索的结果表明，概率论统计、线性代数、高等数学这些知识都是需要的。可是自己真的要花很长时间一点点的把这几本书给学完吗？
我当时就在想，如果仅仅把这几本书简单学习一下，没有一个月估计也是不行的，再说一点点的看，也看不下去啊。所以，那有没有最少的必要知识，能让自己入门机器学习呢？于是开始寻找，有没有人总结了这方面的知识，并且把知识讲的容易理解，还能够把知识串起来呢？这个还真有，想到原来考研老师在我们学校讲考研基础课程的时候，像线性代数这样的课程用了一天的时间就把知识大概串了一遍。于是，我就找到了他的视频，也送给大家。张宇老师的考研数学视频，这份视频包含了考研各个阶段的视频，里面包含概率统计、线性代数、高等数学，大家看完基础篇所补充的数学知识差不多也够了。好了，这篇文章的主题也就结束了，下面的是我在学习时走的一些弯路。
近几天我学习一些机器学习知识的感受。
我最大的感受是，机器学习算法真的让人看不懂啊，这种看不懂并不是因为数学知识太过于复杂，而是因为好多概念都特别陌生，比如拿一篇算法的文章来看，看到第二段的时候，第一段的内容已经都忘记了；有时候就会纠结某一个推导公式怎么来的呢，想了半天就是想不出来，其实在文章中作者已经铺垫过，只是自己不熟悉文章总是忽略掉重点信息。想想看，对于不熟悉的知识，也是在所难免的，所以自己在学习某一种算法时，就先找一篇关于这种算法的通俗介绍，心里有个大概印象，知道这个算法是干什么用的，然后再开始学习这种算法的原理，碰到不理解的就回头重新看文章。
自己学习时犯得错误
刚开始的时候，自己犯了一个错误就是，一旦看不懂，就想者搜索关于这个算法能够看懂的文章，可到最后搜了一些文章还是看不懂，但自己不死心啊，就开始找视频，找到后快进着看视频，想找到能够解决自己疑问的那一段，就这样把一套视频给快进完了还是没有解决疑问。然后一个下午的时间过去了，自己也陷入了深深的自责之中。所以，希望和我一样是刚开始学习机器学习算法的朋友们，在学习的时候，一定要有耐心，很多看不懂的东西，其实认真多看几遍就好了。我学习的时候，为了防止遗漏信息而看不懂文章，都是一边看一边在抄写文章。有一点大家也应该注意一下，有好多人写的文章是没有经过深思熟虑的，看的时候应注意甄别，所以为了保险可以选择一本权威的书来学习，其他为辅助。书本，我看的是，李航老师的《统计学习方法》，还有一位博客园作者写的挺好的，推荐给大家(刘建平Pinard)
学习时，要不要买课或报班的问题
在网上看到了好多数据分析或者数据挖掘的课程，但仔细看课程大纲，大多是学习Python的一些基础知识，numpy、matplotlib、pandas这三个包的用法，然后就开始讲kaggle上找的一些比赛，教给大家是如何调用机器学习用的scikit-learn这个包。其实，这样的课程大家都是可以自己学习的，如果是机器学习算法之类的课程，根据费用大家可以考虑一下，因为这类知识还没有太普及。
好了，大家一起加油啊！
