《零基礎學機器學習》學習大綱
《零基礎學機器學習》采用對話體的形式,通過人物對話和故事講解機器學習知識,使內容生動有趣、通俗易懂,降低了學習門檻,豆瓣高分9.1分,作者權威。
接下來的數篇文章,我將用通俗易懂的方式,把書中的知識點一一詳細介紹。搭配書本一起看,效果會更好。本書鏈接
關于DeepSeek本地部署指南可以看下我之前寫的文章:DeepSeek R1本地與線上滿血版部署:超詳細手把手指南
一、基礎認知篇 ? [第一章]
- 機器學習本質:讓機器通過數據自動尋找規律 ? 就像教幼兒認動物,給大量圖片后機器自己總結特征1
- 對比傳統編程:解決復雜規則場景 ? 不需要寫判斷抖音推薦的所有規則,讓機器自己學習用戶偏好2
- 核心分類體系:
- 監督學習 → 帶答案的學習冊,如預測房價時需要歷史價格數據3
- 無監督學習 → 給無標簽積木自由組合,發現隱藏規律3
- 強化學習 → 電子寵物狗試錯學習,做對給虛擬獎勵3
二、數學筑基篇 ? [第二章]
- 必備三件套:
- 向量/矩陣 → 數據表格的數學表達,如Excel表格轉數字陣列4
- 概率統計 → 預測可能性,下雨概率70%就是典型應用5
- 微積分 → 找最優解的導航儀,幫模型快速找到最佳參數6
三、數據預備篇 ? [第三/四章]
-
數據清洗四步驟:
- 缺失值填補 → 補全問卷漏填的題目,保證數據完整性7
- 異常值檢測 → 發現身高填3米的不合理數據8
-
特征工程三板斧:
- 標準化 → 把厘米和公斤單位統一成標準值9
- 特征選擇 → 選最重要的考試科目做錄取判斷10
- 獨熱編碼 → 把"紅黃藍"顏色變成001/010/100的數字格式11
四、算法全覽篇 ? [第五章]
-
監督學習雙星:
- 線性回歸 → 畫最佳趨勢線預測明日氣溫12
- 決策樹 → 類似"Yes/No"問答游戲層層篩選13
-
無監督利器:
- K-means → 自動把超市顧客分成不同消費群體14
- PCA → 把100維數據壓縮成3D視圖仍保持主要特征15
五、效果檢驗篇 ? [第八章]
-
評估黃金準則:
- 混淆矩陣 → 診斷模型在醫療檢查中的誤診情況16
- 交叉驗證 → 用五次模擬考試驗證真實水平17
-
調參藝術:
- 網格搜索 → 像嘗試所有密碼組合找最佳解鎖方式18
- 正則化 → 給模型帶定位手環防走極端路線19
六、深度啟蒙篇 ? [第九章]
- 深度基礎:
- 感知機 → 模仿大腦神經元的開關系統20
- CNN → 用放大鏡局部觀察圖片特征層層傳遞21
七、工具實戰篇 ? [第七章]
-
四大金剛:
- scikit-learn → 機器學習界的瑞士軍刀22
- TensorFlow → 樂高式搭建深度學習模型23
-
實踐路線:
- 官方示例 → 跟著菜譜學做經典菜肴24
- Kaggle → 參加機器學習界的奧林匹克25
《零基礎學機器學習》第一章第一節核心定義 ??
《零基礎學機器學習》第一章第二節優勢對比 ??
《零基礎學機器學習》第一章第三節類型劃分 ?? ?? ??
《零基礎學機器學習》第二章第一節線性代數基礎 ??
《零基礎學機器學習》第二章第二節概率基礎 ??
《零基礎學機器學習》第二章第三節最優化方法 ??
《零基礎學機器學習》第三章第一節缺失值處理 ??
《零基礎學機器學習》第三章第三節異常值檢測 ??
《零基礎學機器學習》第四章第二節特征標準化 ??
《零基礎學機器學習》第四章第三節特征選擇 ??
《零基礎學機器學習》第四章第四節編碼處理 ??
《零基礎學機器學習》第五章第一節線性回歸 ??
《零基礎學機器學習》第五章第三節樹模型 ??
《零基礎學機器學習》第五章第五節聚類算法 ??
《零基礎學機器學習》第五章第六節降維技術 ??
《零基礎學機器學習》第八章第一/二節評估指標 ??
《零基礎學機器學習》第八章第三節驗證方法 ??
《零基礎學機器學習》第八章第四節參數調優 ??
《零基礎學機器學習》第八章第五節正則化 ??
《零基礎學機器學習》第九章第一節神經網絡基礎 ??
《零基礎學機器學習》第九章第二節CNN原理 ??
《零基礎學機器學習》第七章第一/二節工具介紹 ??
《零基礎學機器學習》第七章第四/五節框架使用 ??
《零基礎學機器學習》第十章第一節項目實踐 ??
《零基礎學機器學習》第十章第四節競賽指導 ??