机器学习之路

我的本职工作并不是机器学习，甚至连数据都没有太多的接触.我并没有大量的数据需要挖掘，更没有一个良好的模型需要模拟．我想要的仅仅市一个有趣的，可以给我无聊的工作带来一丝乐趣的AI．至少我是这么认为的．

机器学习的道路道阻且长.毕竟我的大学专业并不是这个，但是至少有接触过编程．其中python是我跟着廖雪峰老师自学的，虽说入门容易，但是精通难，我更多的只是了解了语言结构和一些常用的包，涉及更深则用不多，所以就没有深入．而对于此我并不觉得奇怪，至少我大学学过数据库之后，常用的语句也就那几个查询，删除，至于触发器．我学过，练习过，但是没有长久使用，还是在记忆中遗忘了．我对于现代社会的技能我更多的认为是，用的时候去学，保持一个快速学习的能力即可．更多的是需要你对一个系统或者语句的基础了解．当然这些只不过是能满足我目前的需求，实际涉及到底层的逻辑则就深不可测．而我也没有机会或者需求去处理那种问题．

实际上，哪怕你是去大厂内，这种高级的底层逻辑也被大神们打包好，你只需要调用即可．自己从从头梳理那几乎干不了啥事．所以我对于机器学习只是希望入个门，就像python一样，哪天想用，可以快速上手，做过一个简单的数据分析．

数据科学导论这本书是我在知乎上搜索数据科学之后，大神推荐阅读的．首先说结论：书有用，很有用，介绍了几个主流的机器学习算法，以及一整套的机器学习的流程：数据－清洗－切片－学习－验证－学习．所有的机器学习都是这么一个整体流程的．但是这本书毕竟是一本入门书籍，它也许不会要求你有很多的数学知识储备，事实上书上没有涉及到任何的数学公式．但这也正是这本书的不足之处．

读这本书的过程和结束有点像是在大学里面上的专业课．老师并不会或者简单的描述各个算法的背后逻辑，但是你自己却不甚明白，至少我用了一些我的自己日常数据进行测试，发现线性逻辑回归对我来说最好．大学的课程和这本书一样，都是一个简单的介绍入门，等到你进入社会或者以后有需要的时候，你就会深入的去了解每一个算法背后数学测算和原因．这就是这本书最大的作用，也是我读完这本书最大的观后感．读完感觉跟没读一样．跟着书中的代码编写，但是知道出现的结果一致，但是对中间的过程没有任何了解，也没有习题来加深或者拓展一下更加实际的场景应用．但恰如我所说的，它仅仅是一个入门，它激励着我去学习更多相关知识，至少目前是准备看中间算法的实现和对应机器学习包的参数设置．任重且道远啊．

对于本书的阅读方式我建议是，看书加代码．代码可以自己跟着书敲，也可以主动看，这点没有差别．主要是为了看代码的一个写法，让你了解代码的一个结构．至于内容，如果是个新手，很多东西都是一个打包好的结果给你，你可以套用到你自己的现实数据，但是一般很少有如此恰好的数据模型给你，而且你不知道中间过程，你自己对此产生的结果也是没底的状态．不过用来查看数据的一些常用统计数据倒是很不错，也很快捷．

读书之后的问题: