《零基础学机器学习》学习大纲

《零基础学机器学习》学习大纲

《零基础学机器学习》采用对话体的形式,通过人物对话和故事讲解机器学习知识,使内容生动有趣、通俗易懂,降低了学习门槛,豆瓣高分9.1分,作者权威。

接下来的数篇文章,我将用通俗易懂的方式,把书中的知识点一一详细介绍。搭配书本一起看,效果会更好。本书链接

关于DeepSeek本地部署指南可以看下我之前写的文章:DeepSeek R1本地与线上满血版部署:超详细手把手指南


一、基础认知篇 ➔ [第一章]

什么是机器学习? 定义与核心思想 与编程的区别 三大学习范式

  1. 机器学习本质:让机器通过数据自动寻找规律 ➔ 就像教幼儿认动物,给大量图片后机器自己总结特征[1](#1)
  2. 对比传统编程 :解决复杂规则场景 ➔ 不需要写判断抖音推荐的所有规则,让机器自己学习用户偏好[2](#2)
  3. 核心分类体系
    • 监督学习 → 带答案的学习册,如预测房价时需要历史价格数据[3](#3)
    • 无监督学习 → 给无标签积木自由组合,发现隐藏规律[3](#3)
    • 强化学习 → 电子宠物狗试错学习,做对给虚拟奖励[3](#3)

二、数学筑基篇 ➔ [第二章]

矩阵运算 概率分布 梯度计算

  1. 必备三件套
    • 向量/矩阵 → 数据表格的数学表达,如Excel表格转数字阵列[4](#4)
    • 概率统计 → 预测可能性,下雨概率70%就是典型应用[5](#5)
    • 微积分 → 找最优解的导航仪,帮模型快速找到最佳参数[6](#6)

三、数据预备篇 ➔ [第三/四章]

  1. 数据清洗四步骤

    • 缺失值填补 → 补全问卷漏填的题目,保证数据完整性[7](#7)
    • 异常值检测 → 发现身高填3米的不合理数据[8](#8)
  2. 特征工程三板斧

    • 标准化 → 把厘米和公斤单位统一成标准值[9](#9)
    • 特征选择 → 选最重要的考试科目做录取判断[10](#10)
    • 独热编码 → 把"红黄蓝"颜色变成001/010/100的数字格式[11](#11)

四、算法全览篇 ➔ [第五章]

监督学习 线性模型 树模型 无监督学习 聚类 降维

  1. 监督学习双星

    • 线性回归 → 画最佳趋势线预测明日气温[12](#12)
    • 决策树 → 类似"Yes/No"问答游戏层层筛选[13](#13)
  2. 无监督利器

    • K-means → 自动把超市顾客分成不同消费群体[14](#14)
    • PCA → 把100维数据压缩成3D视图仍保持主要特征[15](#15)

五、效果检验篇 ➔ [第八章]

  1. 评估黄金准则

    • 混淆矩阵 → 诊断模型在医疗检查中的误诊情况[16](#16)
    • 交叉验证 → 用五次模拟考试验证真实水平[17](#17)
  2. 调参艺术

    • 网格搜索 → 像尝试所有密码组合找最佳解锁方式[18](#18)
    • 正则化 → 给模型带定位手环防走极端路线[19](#19)

六、深度启蒙篇 ➔ [第九章]

神经元 网络层 反向传播

  1. 深度基础
    • 感知机 → 模仿大脑神经元的开关系统[20](#20)
    • CNN → 用放大镜局部观察图片特征层层传递[21](#21)

七、工具实战篇 ➔ [第七章]

  1. 四大金刚

    • scikit-learn → 机器学习界的瑞士军刀[22](#22)
    • TensorFlow → 乐高式搭建深度学习模型[23](#23)
  2. 实践路线

    • 官方示例 → 跟着菜谱学做经典菜肴[24](#24)
    • Kaggle → 参加机器学习界的奥林匹克[25](#25)

  1. 《零基础学机器学习》第一章第一节核心定义 ↩︎

  2. 《零基础学机器学习》第一章第二节优势对比 ↩︎

  3. 《零基础学机器学习》第一章第三节类型划分 ↩︎ ↩︎ ↩︎

  4. 《零基础学机器学习》第二章第一节线性代数基础 ↩︎

  5. 《零基础学机器学习》第二章第二节概率基础 ↩︎

  6. 《零基础学机器学习》第二章第三节最优化方法 ↩︎

  7. 《零基础学机器学习》第三章第一节缺失值处理 ↩︎

  8. 《零基础学机器学习》第三章第三节异常值检测 ↩︎

  9. 《零基础学机器学习》第四章第二节特征标准化 ↩︎

  10. 《零基础学机器学习》第四章第三节特征选择 ↩︎

  11. 《零基础学机器学习》第四章第四节编码处理 ↩︎

  12. 《零基础学机器学习》第五章第一节线性回归 ↩︎

  13. 《零基础学机器学习》第五章第三节树模型 ↩︎

  14. 《零基础学机器学习》第五章第五节聚类算法 ↩︎

  15. 《零基础学机器学习》第五章第六节降维技术 ↩︎

  16. 《零基础学机器学习》第八章第一/二节评估指标 ↩︎

  17. 《零基础学机器学习》第八章第三节验证方法 ↩︎

  18. 《零基础学机器学习》第八章第四节参数调优 ↩︎

  19. 《零基础学机器学习》第八章第五节正则化 ↩︎

  20. 《零基础学机器学习》第九章第一节神经网络基础 ↩︎

  21. 《零基础学机器学习》第九章第二节CNN原理 ↩︎

  22. 《零基础学机器学习》第七章第一/二节工具介绍 ↩︎

  23. 《零基础学机器学习》第七章第四/五节框架使用 ↩︎

  24. 《零基础学机器学习》第十章第一节项目实践 ↩︎

  25. 《零基础学机器学习》第十章第四节竞赛指导 ↩︎

相关推荐
SHIPKING3931 小时前
【机器学习&深度学习】什么是下游任务模型?
人工智能·深度学习·机器学习
巴伦是只猫1 小时前
【机器学习笔记Ⅰ】11 多项式回归
笔记·机器学习·回归
DKPT4 小时前
Java桥接模式实现方式与测试方法
java·笔记·学习·设计模式·桥接模式
子燕若水5 小时前
Unreal Engine 5中的AI知识
人工智能
极限实验室6 小时前
Coco AI 实战(一):Coco Server Linux 平台部署
人工智能
杨过过儿6 小时前
【学习笔记】4.1 什么是 LLM
人工智能
巴伦是只猫6 小时前
【机器学习笔记Ⅰ】13 正则化代价函数
人工智能·笔记·机器学习
大千AI助手6 小时前
DTW模版匹配:弹性对齐的时间序列相似度度量算法
人工智能·算法·机器学习·数据挖掘·模版匹配·dtw模版匹配
AI生存日记6 小时前
百度文心大模型 4.5 系列全面开源 英特尔同步支持端侧部署
人工智能·百度·开源·open ai大模型