Kaggle入门，看这一篇就够了 - 知乎 (zhihu.com)
https://zhuanlan.zhihu.com/p/25686876
1 机器学习概念
机器学习的样本数据有两类
数据集
特征工程
sk-learn：回归 分类 聚类 特征工程
特征抽取
非数值数据转换成数值数据
字典抽取特征数据
one-hot编码
数值数据
归一化 标准化，进行无量纲化
不同的自变量 数据分布在不同量级，需要无量纲化
特征选择
数据集合划分
入门机器学习是一个逐步的过程，涉及学习基础概念、数学基础、编程技能、理解算法和模型，以及实践和项目经验的积累。下面是一个为初学者设计的详细指南：
1. 理解机器学习的基本概念
- 什么是机器学习：首先，了解机器学习是如何使计算机利用数据来学习和做出预测或决策，而不是通过明确的编程来完成任务。
- 机器学习类型：了解不同的机器学习类型，包括监督学习、无监督学习、半监督学习和增强学习。
- 基本术语：熟悉机器学习中的基本术语，如特征、模型、训练、测试、过拟合、欠拟合等。
2. 学习必要的数学基础
机器学习背后有三个主要的数学分支：线性代数、概率论与统计、以及微积分。不需要深入研究，但理解基本概念是很有帮助的。
- 线性代数：矩阵运算、向量空间和特征向量等。
- 概率论与统计：概率分布、期望、方差、最大似然估计等。
- 微积分：了解导数和梯度的基本概念。
3. 掌握编程技能
- Python：Python是进行机器学习项目最常用的编程语言。学习Python基础，重点是数据处理（使用Pandas）、数值计算（使用NumPy）和数据可视化（使用Matplotlib和Seaborn）。
- 机器学习库：学习使用主要的机器学习库，如Scikit-learn（用于传统算法），TensorFlow和PyTorch（用于深度学习）。
4. 学习机器学习算法
- 开始于简单的算法：从简单的算法开始，如线性回归、逻辑回归、k-近邻算法。
- 逐步学习复杂算法：然后逐步过渡到更复杂的算法，如决策树、随机森林、支持向量机、神经网络等。
5. 实践与项目
- 小项目实践：尝试使用公开的数据集来实践你学到的算法。Kaggle是一个很好的起点，提供了大量的数据集和竞赛。
- 构建自己的项目：尝试解决一个实际问题，从数据收集、清洗到模型选择、训练和评估。
6. 深入学习
- 专业书籍：阅读一些经典的机器学习和深度学习书籍，如《Python数据科学手册》、《深度学习》（Goodfellow et al.）。
- 在线课程：参加在线课程和MOOCs，如Coursera的《机器学习》（吴恩达教授）和《深度学习专项课程》。
7. 加入社区
- 参与论坛和社区：加入GitHub、Stack Overflow、Reddit上的机器学习社区，参与讨论和分享。
- 参加Meetup和研讨会：如果可能的话，参加本地或在线的Meetup和研讨会