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?Was sind die Voraussetzungen, um maschinelles Lernen zu lernen?
Antwort
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:
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.
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
hier finden Sie einige Hintergrundtexte auf maschinelles Lernen: http://bumphunting.blogspot.com/2009/07/what-are-good-prequisite-textbooks-for.html
Lineare Algebra und (unverwässert) Statistiken.
- Lineare Algebra
- Wahrscheinlichkeitstheorie
- Calculus
- Variationsrechnung
- Graphentheorie
- Optimierungsmethoden (Lagrange-Multiplikatoren)
Stochastischer Kalkül oder gewöhnlicher Kalkül? – Victor
Statistiken haben auch einen wichtigen Platz in der Liste! –
- 1. Modellieren Kartenspiel für maschinelles Lernen
- 2. Externe GPU für maschinelles Lernen
- 3. maschinelles Lernen in Python, um Dame zu spielen?
- 4. Datenkompression - maschinelles Lernen für die exponentielle Verteilung
- 5. Was sind die Links zu lernen, Arduino?
- 6. Implementierung maschinelles Lernen auf Android
- 7. Was sind die besten Ressourcen, um Ant zu lernen?
- 8. Was ist die beste Programmiersprache für maschinelles Lernen?
- 9. Clustering-Algorithmen für maschinelles Lernen Probe
- 10. maschinelles lernen - svm feature fusion techique
- 11. Wie GATE maschinelles Lernen (Textklassifizierung) verarbeitet?
- 12. Maschinelles Lernen, AI und Soft Computing
- 13. Historische Etiketten für überwachtes maschinelles Lernen
- 14. Was sind gute Quellen, um über Generika zu lernen?
- 15. Was sind einige gute Ressourcen, um NAnt zu lernen?
- 16. Maschinelles Lernen - wie man die Klassifizierung bestimmter Klassen verbessert
- 17. Verwenden von JavaScript für maschinelles Lernen
- 18. Berechnung Entropie in Entscheidungsbaum (Maschinelles Lernen)
- 19. Was ist Vektor in Bezug auf maschinelles Lernen
- 20. Wie funktioniert maschinelles Lernen, wenn die Eingänge unterschiedliche Größen haben?
- 21. R - Mäuse - maschinelles Lernen: Imputationsschema wiederverwenden von Zug zu Testsatz
- 22. Was lernen, um in die Robotik zu gelangen?
- 23. Wo sind gute Orte, um VB zu lernen?
- 24. Sollte ich lernen, vor dem Lernen Clojurescript Om zu lernen?
- 25. Was sind die besten Seiten/Bücher zum Lernen von Apache?
- 26. AWS, das große Modelldatei für maschinelles Lernen hostet
- 27. Beste Webseite um Einstiegslevel zu lernen Javascript?
- 28. Clustering-Werte durch ihre Nähe in Python (maschinelles Lernen?)
- 29. Lernen
- 30. Gutes Buch, um Unix API zu lernen?
Anfänger oder sogar Zwischen Praktiker kann nicht machen ihre eigener Algorithmus. –