這是我個人的機器學習入門清單及路線，所以沒有像很多收藏夾那樣大而全，一來學不完，二來給自己壓力。這是個人的路線。算是個人記錄，也給大家參考，如有什么不足之處，歡迎指教。

前置知識及技能：
1、線性代數基礎，如果沒的話，還是先學了這門課在研究吧，不然會哭的。
2、學會python就行了。R也可以用用。

做了個流程圖，來展示下我的學習路線。

除了入門課程外，其他四項其實不完全是按照流程的（但總體上是），有時實戰時需要學新模型。有時學了某些模型再選方向也未遲。但是入門課程，尤其是Coursera那個，一定要看完了才開始后面的學習。下面給出每項的學習地址：

同時給上機器學習付費視頻教程（貪心科技的）大家可以去貪心科技那里學習。

網址：https://tx.greedyai.com/ 賬號和密碼： 13717378202 Win590890

• 貪心科技訓練營

sklearn

• sklearn的簡單使用

• sklearn特征的提取(上）

• sklearn特征的提取(下）

• sklearn數據預處理

• sklearn提取圖片信息

• sklearn 特征工程

• sklearn模型的訓練(上）

• sklearn模型的訓練(下）

• sklearn特征的選擇

• sklearn數據的獲取

• sklearn模型評估

決策樹

• 決策樹和隨機森林（上）
• 決策樹和隨機森林（下）
• 決策樹如何可視化
• 十五、機器學習中的決策樹和隨機森林算法

聚類

• 機器學習認識聚類（KMeans算法）
• 聚類（上）K-mean算法
• 聚類（中）層次聚類 基于密度的聚類算法
• 聚類（下） 譜聚類算法
• EM聚類算法

如果大家需要學習numpy、pandas之類的，請移步到數據分析專欄。放心，我是設置了一次訂閱，全部專欄開放

機器學習的項目和代碼下載：

鏈接：https://pan.baidu.com/s/1d3tusmYFl3uoIQ2N3YMb3Q
提取碼：kvrt
復制這段內容后打開百度網盤手機App，操作更方便哦

總結

以上是生活随笔為你收集整理的机器学习付费专栏的一些简介的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。