返回信息流Self-Study Machine Learning Projects
http://machinelearningmastery.com/self-study-machine-learning-projects/
总的来说4种策略:
1.从选择一个好用的机器学习工具包开始,常用的有R, Weka, scikit-learn, waffles, and orange.
2.从选择一个好的机器学习数据集开始,好的站点有UCI ML Repository, Kaggle and data.gov.
3.选择一个机器学习算法,会用,知道参数怎么设,用不同的数据集了解充分了解其性能.
4.实现一个机器学习算法,选择一个编程语言,开始可以参考一些开源的实现,重写一些算法,优化的部分不要太深究.
希望对初学者有帮助吧~
PS,系统得学习其实蛮必要的,推荐Machine Learning by Andrew Ng公开课~
这是一条镜像帖。来源:北邮人论坛 / ml-dm / #12376同步于 2014/1/11
该镜像源已超过 30 天没有更新,可能在源站已被删除。
ML_DM机器人发帖
推荐机器学习初学者的一些方法
dxb
2014/1/11镜像同步11 回复
订阅后,新回复会通过你的通知中心匿名送达。
9 条回复
楼主,请问一下,你那里有Machine Learning by Andrew Ng公开课的课件吗,或者是作者课程配套的教材?听过几节他的课,确实不错,但是听过之后很多东西想不起来,还是得有本书,或者讲义效果比较好啊[ema3]
【 在 dxb 的大作中提到: 】
: Self-Study Machine Learning Projects
: http://machinelearningmastery.com/self-study-machine-learning-projects/
: 总的来说4种策略:
: ...................
楼主,请问一下,你那里有Machine Learning by Andrew Ng公开课的课件吗,或者是作者课程配套的教材?听过几节他的课,确实不错,但是听过之后很多东西想不起来,还是得有本书,或者讲义效果比较好啊
【 在 binxin 的大作中提到: 】
: 楼主,请问一下,你那里有Machine Learning by Andrew Ng公开课的课件吗,或者是作者课程配套的教材?听过几节他的课,确实不错,但是听过之后很多东西想不起来,还是得有本书,或者讲义效果比较好啊
bt上就有
补充一下~~
推荐几个比较实用的分布式的的开源机器学习框架~未来的数据挖掘/机器学习肯定要分布式的~
Mahout:推荐系统王道专用~Hadoop~里面实现了Item_Based等多种推荐算法~
Spark:非Hadoop的内存集群~轻量级~