128 | 数据科学家基础能力之机器学习
洪亮劼
该思维导图由 AI 生成，仅供参考
想要成为合格的，或者更进一步成为优秀的人工智能工程师或数据科学家，机器学习的各种基础知识是必不可少的。然而，机器学习领域浩如烟海，各类教材和入门课程层出不穷。特别是机器学习基础需要不少的数学知识，这对于想进入这一领域的工程师而言，无疑是一个比较高的门槛。
今天，我来和你聊一聊如何学习和掌握机器学习基础知识，又如何通过核心的知识脉络快速掌握更多的机器学习算法和模型。
监督学习和无监督学习
要问机器学习主要能解决什么问题，抛开各式各样的机器学习流派和层出不穷的算法模型不谈，机器学习主要解决的是两类问题：监督学习和无监督学习。掌握机器学习，主要就是学习这两类问题，掌握解决这两类问题的基本思路。
什么是解决这两类问题的基本思路呢？基本思路，简而言之就是“套路”。放在这里的语境，那就是指：
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
本文介绍了机器学习的核心概念，包括监督学习和无监督学习。监督学习通过外部响应变量指导模型学习任务，解决分类和回归问题；而无监督学习则旨在发现数据内部的潜在结构和规律。文章还介绍了监督学习的基础模型，包括线性模型、决策树模型和神经网络模型，以及这些模型的基本思路和求解方法。此外，文章还深入探讨了无监督学习中的聚类模型，以K均值算法为例，阐述了如何通过“三步套路”来掌握其核心思路。作者强调了对机器学习模型算法进行讨论时，牢牢把握模型与现实问题的联系、模型的求解以及模型的评估三个方面的重要性。通过本文的阐述，读者可以快速了解机器学习的核心思路和算法模型之间的联系，为成为合格的人工智能工程师或数据科学家奠定基础。
仅可试看部分内容，如需阅读全部内容，请付费购买文章所属专栏
《AI 技术内参》，新⼈⾸单¥98
《AI 技术内参》，新⼈⾸单¥98
立即购买
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
全部留言(15)
- 最新
- 精选
RZ_diversity置顶我认为是第一步，如果针对现实问题的抽象出现了偏差，对抽象设定的假设有问题的话，后续步骤再怎么高效求解参数，评估模型准确性都没办法改正第一步出现的问题。因为模型实际解决的domain已经不一样了。2017-10-1912
damonhao置顶最容易出问题的是对现实问题的抽象。如果抽象成功，在数学的范围内求解都是比较有保证的。ps：其实我是来抛砖引玉的。。。2017-10-185
橙子三步套路可以总结为： 1. 提出模型 2. 求解模型 3. 评估模型 如果求解的模型没有很好地解决问题，我觉得应该从两种方面考虑：如果模型在训练集的评估误差过大，这就是欠拟合，问题很有可能出在第一步，模型的复杂度不够，模型对问题的模拟不够准确；如果模型在训练集的评估误差比较小，但是在测试集的评估误差过大，这就是过拟合，问题就很可能出现在第二步。作者回复: 你总结得很有道理。
2017-12-1430
鬼猫猫这总结得太到位了，作为对机器学习有兴趣的外行人，虽然读了很多书，教程，但还是在云里雾里，看了本篇文章之后，对机器学习有了个整体上的认识。这个专栏订的太值了。作者回复: 谢谢。
2017-11-085- 套码的汉子实际应用中，应该是第一步来背锅的几率较大。第三步评估的标准，往往生产环境已经决定。而作者也说，第二步已经有许多现成算法，在实际开发中改进的空间不大。所以，我以前参与开发的测量软件都提供几个算法，一个算法测不准技术支持就会让客户换一个，直到测得准为止。。。
作者回复: 的确需要从第一步多找原因。
2017-12-071 
吴文敏最容易出问题应该是假设，也就是说现实的问题与所用模型的假设不一致。2017-10-192
李佳针对今天的思考题，我觉得最容易出问题的地方就是最重要的第一步，弄清楚模型和现实的联系。如果这一步有问题，那后面做得再好也是白费，方向就错了，当然没办法解决问题。2017-10-182
chenshaxiong虽然直觉上我也认为是第一步模型容易出问题,但是我在做人脸聚类的经验恰恰是困在第三部----我们花了大量的时间和精力,来设计评估数据模型的准确性,中间可能有硬编码导致的异常结果;也可能是最初设想的模型不够充分导致结果;更有我们设计出一些组合性的数学模型,就连显而易见的数学意义都找不到了,也就更加不好评估. 所以啊,第三步,如果评价模型和算法反而是最容易出问题,也需要反复检查,验证的.2018-10-041
孤帆老师没有提标注，在《统计机器学习方法》中，周航老师将监督学习分为分类、回归、标注。而老师没有提“标注”，请问是什么原因呢？2018-03-041
小田# 本节重点内容 1. 机器学习基本思路：三步套路 2. 学习方法：围绕三步套路展开 3. 监督学习基础：两类问题、三个模型 4. 无监督学习基础：问题--聚类，模型--聚类模型2020-02-27
收起评论