一、機器學習該怎么入門

旦肌測可爻玖詫雪超磨如果是在校生，可以選修一門機器學習的課，通常軟件、計算機和數學學院會開設； 如果是校外人士，建議跟著學一門在線課程，推薦華盛頓大學開設的機器學習基礎，適合新手入門。 鏈接：

二、機器學習怎么快速入門

找一本教材，個人推薦李航的《統計機器學習》

可以去看網易上關于機器學習的公開課，是Standford的Prof. Ng的視頻課程，超級棒。

結合教材和視頻，將機器學習算法的公式推一遍，然后用Matlab或者python跑一跑數據，找點感覺。

對于數學也要加強，特別在概率論方面

希望可以幫到您

三、機器學習的學習應該看哪些書籍

機器學習的學習應該看哪些書籍

1：個人覺得李航的《統計學習方法》還算可以，屬于基本的機器學習入門書籍。

2：具體可以結合andrew ng的機器學習視頻看--->可以去網易公開課找到，斯坦福大學機器學習

3：嘗試實現一些最基礎的算法。最簡單的比如樸素貝葉斯分類器，我當年實現第一個機器學習算法，現在想想還是很激動的。后面的像SVM，決策樹也可以試試。

4：一定要做一點應用，不然，感覺都是理論，一點感覺都不會有的。比如上面的樸素貝葉斯分類器就可以做一個垃圾郵件過濾系統。

5：還有一本書似乎是韓家煒的數據挖掘導論，沒讀過，但是網上推薦挺多的。

6：等你到了一定水平，就可以啃啃PRML了，這個太經典了，有點類似算法中的算法導論

7：至于后來，好吧，我還在啃PRML。。。。讓其他人說吧。。。

四、如何正確的學習Coursera上Andrew Ng的機器學習課程

如果你更關注如何在現實中如何應用,我并不推薦你去學習這門課，有更好的課程適合你，而不是被幾個Title蒙蔽了雙眼，失去了自己的判斷能力。事實上這個課更多的人是沖著StanFord和Andrew Ng教授的名氣去上的,拿到這個課程的證書能為為自己的形象加分不少。

課程確實非常的簡單易懂，幾乎稍微困難的地方就會很細致的講解,講解非常的細致，入門機械學習的，我上了大概5周,作業也都積極完成了,但發現一直在講算法和如何在octave里面進行數據處理,應用層面講得都是很基礎的例子沒有太強的實踐操作價值,因為實際情況要復雜的多。我簡單瀏覽了整個課程的內容，直到最后我也沒發現有在應用層面的具體講解，最后依然是在講算法，所以我就去試著尋找其他更高效的課程了。

經過一段時間的搜尋，我發現了華盛頓大學開的機器學習課程

相比Andrew Ng的機器學習，華盛頓大學開的機器學習專項課程要系統全面得多，分為6個部分，每個部分大概都是6周得時間，學習時間大概是Andrew Ng課程的2.5倍，最后一個部分是一個綜合化的智能應用的畢業設計，會綜合你所有學到的，非常具有實戰性。