[repost ]机器学习入门资源不完全汇总

original:http://ift.tt/1sKAMQG 2014-10-14版, 好东西传送门编辑整理, 原文链接 http://ift.tt/1ziMkmM 感谢贡献者： tang_Kaka_back@新浪微博 欢迎补充指正，转载请保留原作者和原文链接。本文是机器学习日报的一个专题合集，欢迎订阅: 给hao@memect.com发个邮件，标题＂订阅机器学习日报＂。 基本概念 ｜ 入门攻略 ｜ 课程资源 ｜ 论坛网站 ｜ 东拉西扯 基本概念 机器学习 “机器学习是近20多年兴起的一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论，机器学习与统计推断学联系尤为密切，也被称为统计学习理论。算法设计方面，机器学习理论关注可以实现的，行之有效的学习算法。” –摘自维基百科 How do you explain Machine Learning and Data Mining to non Computer Science people? @quora by Pararth Shah, 中文版 如何向小白介绍何谓机器学习和数据挖掘？买回芒果他就懂了 @36kr — 这印证了上面讲的定义 “机器学习就是从现象中发现统计规律，再利用规律预测”。当一车水果混作一团时，监督学习（supervised learning)能根据你提供的几个苹果样本帮你把所有苹果从梨，芒果中区分出来； 无监督学习（unsupervised learning）能根据已知的各种特征,无需样本自动把类似的水果分上几堆（也许是红水果和黄水果，也许是大苹果小苹果,…）；关联规则学习（association rule learning) 则是帮你发现基于规则的规律，例如绿色的小苹果都有点酸。 下面从微观到宏观试着梳理一下机器学习的范畴：一个具体的算法，领域进一步细分，实战应用场景，与其他领域的关系。 图1: 机器学习的例子：NLTK监督学习的工作流程图 […]



via WordPress http://ift.tt/1ziMkmO