作者：莫凡

導讀：機器學習如何入門？那些還在不斷叩擊著機器學習之門，遲遲未入門的同學應該怎么做？今天小編帶大家聽聽木羊同學怎么說...

作者：木羊同學

來源：華章計算機（hzbook_jsj）

大家好，我是木羊同學，4月1日我受邀參加了開源中國的高手問答欄目。這次的主題是機器學習入門，欄目的提問質量很高，有好多問題著實搔著了癢處。

這次的提問都很有意思，串起來可以編一套“機器學習入門的常見問題集”，這里我濃縮成三個很有代表性的問題，推薦給一直在機器學習的門外徘徊，還沒進去的同學。

第一個問題是起點：為什么神經網絡能模擬人腦？

回想一下，當你終于決定要開始學機器學習之前，究竟是什么觸動了你的心？觸動我的心的，就是上面這個問題。我的故事充滿了中二的氣息，《超能特戰隊》是一部人工智能題材的科幻動畫，我特別喜歡里面超暖的大白(●—●)，而且用的是技術宅風格，我想實現它。

當然，當時之所以會有這個大膽的想法，主要是因為無知。我選擇用神經網絡。神經網絡，有的書上稱為人工神經網絡，還有什么會比選擇使用名為“人工神經網絡”的算法來實現人工智能更自然而然的事呢？更何況當時我還知道，神經網絡最近推出了一個高清重制版，名叫深度學習，很多人甚至開始預言深度學習會取代其他機器學習算法，看起來前途無量。

不過很快，我的問題就變成了“神經網絡能不能模擬人腦”。我以為這個問題很簡單，三天就能找到答案。可是，沒有一本書能作出肯定或否定的回答，當時也沒有高手問答這么好的欄目讓我提問。我沒想到，這樣一個看似簡單的謎底，竟然需要花費我未來數年的時光。

“很遺憾，神經網絡并不能模擬人腦”，我斟酌許久，開始一個字一個字地針對今天的問題，也是我當年的問題做出回答。如今，神經網絡，或者叫深度學習，已然大紅大紫，然而，這套名叫“神經網絡”的算法只做了非常有限的仿生，非要和人的神經網絡相比較的話，我認為是平行線的兩條邊。人的神經網絡沒法求導，而機器學習的神經網絡本質是擬合曲線，只不過隨著神經網絡深度的加深，模型的擬合能力也隨之加強。再復雜的曲線，只要有足夠的深度和足夠的數據進行訓練，神經網絡就能表達出來，這也正是深度學習中“深度”二字的由來。

我們正處在一個蓬勃發展的社會，“學機器學習能找一份怎樣的工作”，這自然是每一個務實的人所關心的問題。只是我想，心懷當年那份求知的渴望，也許才能更容易地在各種問題堆疊的知識體系中堅持下來。

第二個問題是困擾：機器學習的數學究竟該怎么學，為什么花了很多時間去學，卻仍然感覺啥也沒學會？

機器學習很特別，它既是算法，又是數學，但無論你把它當作一門算法來學，還是當作一門數學來學，都會有迷路的感覺。今天有人很形象地形容了這種感覺：一直在學，也學了很多，可是，到頭來不是還沒搞懂原理，就是搞懂了原理看不懂公式，要么就是看懂了公式，卻還是不知道怎樣寫成算法運行。

“機器學習要先學好數學”，這應該是大家都聽過的“好心”勸告。最終，大家都在困擾中問出那個問題：學機器學習，究竟要不要手推公式？每一個初學者想必都對此很糾結。機器學習的教材也很糾結，所以會走兩個極端：一種是偏重編程，既然大家都看不懂數學，那干脆統統刪掉，只留代碼。可是，這種教材讀完之后，免不了會產生知其然不知其所以然的不安感。想要系統全面地學？那好，另一種偏重數學的教材，翻開一看，里面全是意義不明的數學公式符號，還有各種拗口的術語名詞，讓人讀得昏頭轉向，很快迷失方向。

該怎么學才好呢？

我在《機器學習算法的數學原理與Python實現》中提出了一個概念，叫“數學語”。名字怪怪的，不過意思很好理解。學機器學習的數學，不該是自古華山一條路。不同的學習動機，應該對應不同的學習路徑。很多人，甚至可能是大多數的人，真正關心的不是在數學上怎么證明收斂，而是這些數學符號到底在說什么，想要知道的是翻譯：把這門希臘符號寫成數學語，翻譯成看完了能夠說一聲“原來如此”的大白話，進而了解這款模型為什么能做到這些，又會有怎樣的不足之處。

第三個問題是工具：機器學習的算法在現實中該怎么使用呢？

編程需要確定編程語言，首先推薦的是Python。早前做機器學習，是Python和R二選一，不過Python的資源明顯豐富得多，特別是近年在深度學習方面有著無法比擬的優勢，不是唯一的選擇，也是最佳的選擇。Python還有一個優點，就是語法簡單，有了其他編程語言的基礎，很快就能轉過來。

確定了語言，接下來大家自然就會產生一個樸素的愿望：有沒有那么一款工具，能夠直接將那些個亂糟糟的數學公式一下轉成Python代碼？畢竟數學符號和Python代碼長得太不像了，不知道該怎樣把書上這些數學公式運行起來。

可惜的是，現在還沒有這樣便利的工具。不過，Python有很多專門的庫，能夠明顯降低我們使用機器學習算法的門檻。常用的有三款，第一款是numpy，機器學習用到的各種矩陣運算里面都有，只要了解了式子的意思，就能用numpy照貓畫虎。第二款是Scikit-Learn，對常用的機器學習算法做了非常好的封裝，使用很簡單，就是調用API。第三款是Pandas，機器學習的任務通常需要處理數據，而Pandas是首選的利器。

為機器學習愛好者推薦下我的書：《機器學習算法的數學解析與Python實現》

?

點擊上方鏈接了解詳情并購買

推薦語：入門機器學習的第一本書。從生活案例中理解算法，發現算法的樂趣，再把算法應用到機器學習中，讓你零基礎掌握算法精髓，快速進入人工智能開發領域。

歡迎大家加入機器學習愛好者群來討論交流：

本群適合：想要學習機器學習的學生、程序員、研究人員或者愛好者，以及想要知道機器學習是什么、為什么和怎么用的所有讀者。??

作者簡介

莫凡——新技術深度愛好者，曾經從事信息安全前沿技術跟蹤研究和數據分析工作，在各類信息安全類技術期刊雜志發表文章五十余篇，現轉為投身高端知識“白菜化”項目，希望能讓將更多聽起來高大上的名詞沾一沾人間煙火，成為日常中生活真正用得上的知識，著有《機器學習算法的數學解析與Python實現》。個人公眾號“睡前機器學習”，個人知乎號“木羊”。

本次聯合【機械工業出版社華章公司】為大家帶來5本正版新書。快來發表你的評論，11月9日23點前，評論20字以上，點贊數前6名的讀者將獲贈正版圖書1本！！！

（備注：防止刷量，最后一小時增量超過100的屬于無效留言，會有截圖作證）

當然，讀者也可以點擊下方鏈接購買。

此外，抽出3位幸運觀眾，在本公眾號后臺回復“莫凡”參與抽獎，11月9日23點開獎！中獎者每人1本。

機器學習初學者

▲掃碼回復「莫凡」抽獎

總結

以上是生活随笔為你收集整理的【收藏】机器学习入门的常见问题集（文末送书）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。