机器学习 公开课 下载,
摘要：
大家好，今天小编关注到一个比较有意思的话题，就是关于机器学习 公开课 下载的问题，于是小编就整理了2个相关介绍机器学习 公开课 下载的解答，让我们一起看看吧。谁来通俗的解释一下机器... 大家好，今天小编关注到一个比较有意思的话题，就是关于机器学习 公开课 下载的问题，于是小编就整理了2个相关介绍机器学习 公开课 下载的解答，让我们一起看看吧。
谁来通俗的解释一下机器学习？
作为从业4年的IT工作者来说，我大概的描述下机器学习。
1. 机器学习是让机器从数据中学习到某种分布，然后应用该分布来预测新的数据；
2. 这种分布可以是符合某种条件概率（朴素贝叶斯分类器），也可以是二叉树（树分类器），也可以是图结构（HMM和CRF等）；
3. 当然有的算法对训练数据需要***设，意思是***定数据符合某种要求：比如朴素贝叶斯分类器就要求训练数据间相互独立，但是大部分实际的应用中，这种***设基本不成立，此时就会衍生其他的方法，比如贝叶斯网络。像KNN这种纯基于距离的算法，是对数据不***设的。
4. 在大部分机器学习算法中，其实效果差别不是很大，最花时间和考验从业者的是对数据的处理能力。比如，特征的构建（深度学习就不用考虑该问题）；缺失数据的处理（实际中的数据有很多是缺失的，怎么处理这些缺失值是很重要的）；类别的不平衡问题（有些场景类别是严重不平衡的，比如训练一个判断短信诈骗的分类器，此时是***的数据会特别稀少）；
其实想通俗的解释机器学习还是有难度的。 因为学习这个行业的人会感觉讲的不到位，但是外行的人可能还会觉得很不好理解。我从个人的理解来试着回答一下。
1. Pedro Domingos是美国华盛顿大学的教授，我以前在读书的时候都读过他的关于概率树算法的论文，他最近写了一本关于机器学习的科普书，就是为了让大众能够不通过公式来理解机器学习。 书的名字是《The Master Algorithm: How the Quest for the Ultimate Learning Machine Will Remake Our World》, 非常炫酷的名字，是人们关心的“终极学习机器”会如何改变我们的生活。
2. 跟网上的帖子一样，书中讲的多是机器学习的应用，并有什么新的发明。尤其是机器学习在各个领域的应用，极大的改变了人类的生活，让技术升级，我们做到了许多以前无法想象的水平。但是关于算法本身，的确是一个难点，在于对机器学习的深入理解要建立在数学的基础上。 我们***设您是懂得一些高等数学的。
3. 科学的主要目的就是建立数学模型来描述自然界的关系。这种关系可以用一个函数y=f(x)来描述。 给定了输入x, 我们通过关系f()就可以得到输出y. 但是自然很复杂，很多的时候，我们不知道这种关系是什么，但是我们有很多输入与输出的数据。就是： (x1, y1), (x2, y2) ... (xn, yn), 我们想利用这些数据来拟合出 x与y 之间的关系。 这就是机器学习想完成的基本任务。而且经常的情况下，输入x不是一个数，而是一个向量x , 我们想学习的关系是 y =f(x). 比如下图里面提到房子的价格跟面积的关系，可以近似用一个线性函数（红色实线）解释 （图一）。
（图一）
(4) 有了这个基本思路，就可以理解很多机器学习（分类与预测）都是想找到这种输入与输出在高维空间的关系。比如说我们想做手写数字的识别，***设每张输入的图像是30*30个像素点（图二）。 那么这样的一个输入我们可以看成是一个30*30 = 900维的一个向量x, 我们需要学习的关系是 y = f(x), 其中y 属于{0，1， 2， 3..... 9} 等是个数字。 这样我们就把一个模式识别的问题编程了一个纯粹的数学问题。 我们需要的是在高维空间中把这些数字分开 （图三）。
（图二）
试一下：
外在地说，机器学习就是机器随着输入信息而表现出更优良的性能。类似于人的学习。
内在地说，机器学习就是机器根据输入数据对有限多个备选方案（***设函数）进行打分，取最优方案用于后续判断，给出更准确的输出。
做机器学习研究，就是要依次确定输入数据是什么，给出备选方案***（包括特征选择和模型选择），明确打分的规则（评分标准），实现打分的过程（算法编程），训练和验证最优方案，最后应用于合适的场景和领域。
开头和结尾两步依赖于原始问题所属专业领域知识；中间四个步骤，前两个侧重于数学方面，后两个侧重于计算机方面。
整体上，机器学习代表的是一种思想方法。可以把它用到人类生活的一切领域。对，是一切，没有例外。
深度学习是机器学习的一个近来很火热的子领域。机器学习是人工智能的一种非常重要的实现方式，当然，人工智能还包括其他很多方面。
有哪些关于机器学习的入门书籍推荐？
我自己本科和硕士学的是[_a***_]，工作之后也一直在应用机器学习相关的算法和模型解决实际问题。所以简单说一下我推荐的三本书：
(1) 周志华的《机器学习》，业界非常有名，一是周志华本人在业界的知名度非常高。另外这本书的知名度比较高，业界简称“西瓜”书。这本整体而言概念讲的非常清晰明了。但对数学要求比较高
(2) 李航 《统计学习方法 第二版》，业界也非常知名，李航老师在业界的知名度也非常高。对很多机器学习算法的介绍也非常清晰
(3) 《数据挖掘导论》作者Pang-Ning Tan，Michael Steinbach，Vipin Kumar 合著
这本书在前两本书没有流行之前，在业界也非常流行。据说很多学计算机的同学基本上
是人手一本。整体而言，这本书对算法讲的非常通透，例子也非常丰富。
如果看书比较痛苦，可以听听另外两位大牛有关机器学习课程的视频：吴恩达的机器学习***和台湾的李宏毅的机器学习***。这样对照着看可能更容易理解相关理论。
希望我的回答能解决您的疑问，谢谢！
- 《An Introduction Statistical to Learning》（找到了再分享，你也可以分享给我一份哦）
- 《 The Elements of Statistical Learning 》（这本书我分享你链接：***s://quant.la/Download/View/1730/）
它们讲述的都是统计学习，或者机器学习的方法。其中前一本可以看成是后一本的简化版。它更通俗、更简单一些，后面这个稍微有些难。这两本书可以反复阅读，每次都有不同的收获。
到此，以上就是小编对于机器学习 公开课 下载的问题就介绍到这了，希望介绍关于机器学习 公开课 下载的2点解答对大家有用。
