机器学习那些事儿一-听说，你想入坑机器学习？

微信公众号：人工智能拾贝，关注了解更多的关于人工智能领域下机器学习相关技术文章。

原来机器可以学习

想我也是从大三的时候开始接触了“机器学习”这种神奇的东西，发现电脑程序竟然可以给电影评论做分类，输入一条评论，电脑蹦出来：“砰，差评”。唉哟，神奇耶，那时候，知道个叫做KNN(K近邻算法)和Naive Bayes（朴素贝叶斯）的算法都觉得天哪我好牛，然后花了一个学期用了Java和Matlab混合着写了电影评论的分类算法，沉浸其中，妙不可言。自那之后，果不其然地，我又继续在这个路上前行，慢慢才发现，“路漫漫其修远兮”，以前以为到达的山尖尖，不过是另一个高峰视角下的小矬子，而且，机器学习领域，永远找不到最高峰。

没办法，只好“上下而求索”了，但是！我发现，求上不足，求下有余，手动允悲。

什么是求上不足呢？就是最开始的时候，根本看不懂满纸的数学公式；那什么是求下有余呢，就是我发现直接调用第三方的工具包，比如Matlab下的机器学习包或者Python下的Sklearn，真的很方便！吼吼，真香~

但是，作为一个从小打破沙锅问到底的孩纸，我不想吃Matlab和Python大牛做的饭，我想重复造轮子！

“教练，我想学机器学习！”“你什么都想学！”

前辈是这么说的，机器学习，无非就是给“函数拟合”换了个好听的名字，那么，什么叫函数拟合呢？为什么刚才还说“机器学习”，马上就开始“函数拟合”这种很数学的话了，可怕！

莫怕！所谓函数拟合，其实就是：

你竟然能用雨伞去描述……天上的那几颗星星。

电影《美丽心灵》，笔者最喜欢的电影，没有之一

所以呐，机器学习还是离不开数学的，但是我们不应该畏惧数学，毕竟它只是我们认识世界的一种工具而已。怕数学，好多时候应该是因为不知道它做什么用吧，本系列里面，笔者将一切从简入繁，尽可能通俗介绍算法原理，并给出尽可能容易理解的生动的数学描述，不仅如此，笔者还告诉你如何写这个描述的代码，太到位了有没有~

综上，所谓“机器学习”，就是让计算机去学习这拟合曲线，但也不单单是这个曲线，它会去学习数据中存在的模式，并试图用这个模式去预测将来可能会发生的事情。那为了学到数据中的模式，我们需要掌握什么知识呢？这里，不得不把数学家们再请出来，感谢他们创造了一门学科，叫做“统计学”，而现在大家用的基本的机器学习算法，大多都是基于统计学的方法来描述的，而且基于统计学的算法大多都有个特点，数据越多，学习到的模式就越好，所以，机器学习，实际上还是一门数据驱动科学，有数据，有算法，就可以有学习。

最爱“小蓝本”—《统计学习方法》

机器学习有很多入门教材，但是对于笔者而言，感觉“小蓝书”——《统计学习方法》，是最中规中矩的一本好书：原理透彻，思路连贯。但是《统计学习方法》这本书也有其局限性，作为教材用书，乍一开始读，肯定觉得难啃，而且好多东西如果只是单纯地看公式的话，是很难理解其本质的，动手才是王道！

所以呢，笔者将会在每一个算法讲解中，使用代码编写书中出现的概念和定义，而且，假如你熟悉Python的话，我建议你使用Anaconda的Jupyter去本人的Github（链接地址在文章底部）下载代码，都是.ipynb格式的，每个文件中包含了代码和讲解，都是可以直接运行的，是不是很爽？哈哈哈，有没有很开森~

本系列的教程和代码实现按照如下列表安排，基本按照《统计学习方法》目录走，将来也可能会在其中穿插一些有趣的技术科普文，所以咯，快关注“人工智能拾贝”公众号，不要错过每一次学习的机会。

联系作者:

值此中秋节发布本系列第一篇文章，祝各位机器学习爱好者中秋团圆，学习愉快，画个圆圈祝大家月饼节快乐~