最近在研究機器學習，隨手將學習的過程記錄下來，方面自己的學習與回顧
1. 機器學習是什么？
機器學習(Machine Learning，ML)是專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能的一門科學技術。
它使用計算機技術，應用微積分、概率論、統計學、信息論、逼近論、凸分析、算法等多種不同的理論與學科，針對分析目標建立有針對性的數據模型，通過對過往歷史數據的學習（分類、回歸、聚類等），完成基本算法模型，並能通過后續持續的學習（數據輸入），在將雜亂的數據轉換（輸出）成有用信息的同時，還能不斷優化改造自身。
2. 機器學習能解決什么問題？
對於學習，人的學習過程，是通過觀察（輸入），根據過往經驗對觀察到的內容進行思考（處理），最后得出結論（輸出）的過程。
而機器學習是計算機利用已有的數據（一般是海量數據），得出了某種模型（算法模型），並利用此模型預測未來的一種方法。
機器學習主要解決的問題可以歸納為：優化，預測，相關性。可以說，只要是涉及到優化，預測，個性化相關的問題，機器學習和深度學習都可以處理。
比如說，我們去買百香果吃，我們沒有買百香果的經驗，不知道那些是甜的那些是酸的，然后我們買了一大堆回來，有大的、小的、輕的、重的、紅的、紫的、白的、黃的、果皮光滑的、干皺的...然后每一個都嘗一便，最后發現，百香果原來有兩大類，紫紅和黃白兩類，紫紅類的，果皮越深（越紫越黑）的越甜，黃白類的越黃越甜，跟大小無關，跟果皮的光滑度無關，而同樣大小，越重的果汁越多。黃白類的比紫紅類的果子甜度更高一些。那么下次去買的時候，自然就懂得如何挑選了。
而機器學習跟買水果的過程類似，通過建模（對水果甜度的判斷）、設計策略（針對百香果不同的形狀特性）和算法（品嘗百香果，得出酸甜結論），然后輸入大量數據（一大堆不同種類與特征的百香果）進行訓練，最后學會判斷的過程（知道什么類型的百香果比較甜）。模型建好后，就可以針對更多的數據進行測試並輸出結果（下次去買水果直接挑選學習后的水果類型，可以直接根據特征判斷酸甜度），而這些結果也將不斷的修正模型（買回來后繼續品嘗，觀察酸甜度，繼續總結經驗，調整判斷方法），提升模型的准確率，更好的幫我們預測數據。
當前，機器學習廣泛應用於搜索引擎、垃圾郵件處理、廣告推薦、數據挖掘、圖像識別、自然語言處理、生物特征識別、醫學診斷、證券投資分析、DNA序列測序、語音和手寫識別、機器人運用等諸多領域，且應用的領域越來越廣泛。
3. 學習機器學習，需要具備什么能力？
入門學習機器學習，只需要掌握下面這些能力：
- 了解一些數學基礎常識
- 掌握一門編程語言（最好是python）
對於入門來說，不一定要具備了所有的數學理論基礎才能開始，不具備這些知識並不代表不能靈活操作各個機器學習庫，只是有些算法的理解會更困難。這些基礎理論在后續需要慢慢補上，它們關系到你在AI領域天花板的高度。而直接從實踐入手，會更容易理解算法，對后續算法的深入學習也有很大的幫助。
而想進階成為專家，除了需要加強數學基礎理論（高數、線性代數、統計學、概率論、信息論等數學基礎）的學習外，還需要學習大數據相關的知識與技能（如：Hadoop、HBase、Spark、kafka、Flume、Sqoop、Storm等）。然后根據發展方向，有針對性的學習NLP、神經網絡等內容，往更多更專業的領域深入學習。
4. 怎么學？
學習機器學習，需要分階段循序漸進學習，盡量不要一下子就深入算法的推導中（除非你的數學理論非常扎實），不要試圖掌握所有的相關數學知識再開始學習，否則很容易從入門到崩潰，從崩潰到放棄。
對於初學者，建議從這幾方面來學習：
- 首先了解什么是機器學習，以及機器學習的相關理論常識，對機器學習有個總體的了解與認識。
- 知道有哪些學習資源，了解這些資源哪些適合初學者。
- 大體了解機器學習的技術棧，了解涉及哪些知識體系，然后與自己的技術體系進行比較，了解學習方向，並做好長期學習的計划與心態。
- 然后花些時間，了解機器學習的常用專業術語，大概了解這些專業名詞的意思，方便后續學習時更容易理解學習內容（不需要全部了解，只需要大體知道是什么就行了，在學習機器學習的過程中會不斷的加深學習與理解）。
- 接着直接進入學習，可以學習《機器學習實戰》這本書，也可以學習ApacheCN分享出來的文本或視頻教程，學習各種機器學習算法，先實踐再到理論。
- 入門后再根據所要用到的基礎理論或機器學習相關算法和知識點，再針對性的學習，逐步提高。
參考資料：