Was sind die Voraussetzungen, um maschinelles Lernen zu lernen?

Question

Ich war schon immer fasziniert vom Thema maschinelles Lernen, bis ich beschloss, mir selbst beizubringen, wie man es macht. So kam ich durch einen von Stanford zur Verfügung gestellten Kurs online. Ich war jedoch schockiert über die Menge an Mathe, die es enthielt. Was ist also der mathematische Hintergrund, den ich haben sollte, um die Algorithmen des maschinellen Lernens verstehen zu können? Gibt es Bibliotheken, die alle Mathematik abstrahieren und sich darauf konzentrieren, eine lernfähige Software zu entwickeln?

Answer 1

Ähnlich wie 99% der Computer-Science-Themen, die theoretische Grundlage des maschinellen Lernens beinhaltet oft viel Mathematik ... dennoch sollte es nicht ' Es ist schwierig, einige grundlegende ML-Algorithmen auch ohne fundierte Kenntnisse der Infinitesimalrechnung aufzugreifen.

Es gibt verschiedene maschinelles Lernen Bibliotheken da draußen:

• Weka
• Java Machine Learning Library (Java JML)
• Apache Mahout
• Others...

Ich würde sagen, dass Sie, indem Sie versuchen zu bauen beginnen sollte Ihr eigener einfacher ML-Algorithmus: vielleicht eine Neural Network oder Genetic Algorithm. Erfolgreich zu bauen, wird einen großen Unterschied in Ihrem Verständnis machen ... besonders, wenn Sie ein bestimmtes Problem haben, müssen Sie den ML-Algorithmus vielleicht etwas anpassen. Zu wissen, wie es von Grund auf funktioniert, wird Ihnen erlauben, alle Änderungen vorzunehmen, die Sie für notwendig halten.

Answer 2

Here's eine Episode von .NET Rocks! Sprechen über Machine Learning, und eine kleine library zu spielen mit

Answer 3

Programming Collective Intelligence: Building Smart Web 2.0 Applications von Toby Segaran ist ein tolles Buch! Toby baut einfache Implementierungen von All-Time Machine Learning-Klassikern: Neuronale Netzwerke, Support-Vektor-Maschinen, genetische Algorithmen, Clustering. All das mit einfachen Erklärungen, wie und warum sie funktionieren. Als Bonus sind alle Beispiele in Python! Aber selbst wenn Sie Python nicht kennen, werden Sie das Buch verstehen. Ich empfehle es

Answer 4

hier finden Sie einige Hintergrundtexte auf maschinelles Lernen: http://bumphunting.blogspot.com/2009/07/what-are-good-prequisite-textbooks-for.html

Answer 5

Lineare Algebra und (unverwässert) Statistiken.

Answer 6

1. Lineare Algebra
2. Wahrscheinlichkeitstheorie
3. Calculus
4. Variationsrechnung
5. Graphentheorie
6. Optimierungsmethoden (Lagrange-Multiplikatoren)