机器学习篇

导读

机器学习主要是为了解决分类、聚类以及排序等问题；

在本篇的学习中，我们会介绍决策树、SVM、BP神经网络、k-mean聚类、PageRank、EM、AdaBoot提升算法等等常用且基本的算法模型.

目的是希望能帮助读者快速的了解什么是机器学习，以及机器学习中一些基本的算法步骤；笔者会尽量给出详细的算法推导步骤，以及 R 语言算法实现示例代码，让读者能快速的上手实践，且知其然以及知其所以然.

在此基础上，读者想要更深入的学习，需要自行看书学习，这里笔者推荐三本书：

• 《数据挖掘十大算法》
  这本书比较薄，分别包含了以上三类问题的解决算法，能让读者快速入门。讲的比较基础，但是对于刚入门的同学来说，可以算是最好的选择了.

• 《机器学习》——周志华
  这本书对机器学习讲解的就比较系统一些，而且每个内容讲解的很详细，浅显易懂；读者跟着书的思路去学习，能对各种算法的原理有更深的理解.

• 《统计学习方法》——李航
  这本书的推导比较多，也比较详细，特别是对EM、HMM、CRF等的推导；多阅读这本书的推导，可以培养一种数学思维，在以后学习深度学习的其他算法，可以更容易的理解算法本质.

当然了，数学的东西一般比较烧脑，也许会比较枯燥，为了学习的效果更好，笔者尽量介绍的浅显易懂一些，也希望读者在学习的时候，保持耐心，一遍看的不太明白没关系，可以多看几遍，笔者当初在学习的过程中，比如像SVM、HMM、CRF等模型也是看了很多遍才看明白.