机器学习入门指南：从基础到实战
一、机器学习的崛起与应用
2006 年，Geoffrey Hinton 等人发表论文，展示了如何训练深度神经网络以高精度识别手写数字，他们将此技术命名为“深度学习”。当时，训练深度神经网络被广泛认为是不可能的，许多研究人员在 90 年代末就放弃了这一想法。但这篇论文重新唤起了科学界的兴趣，随后大量新论文证明深度学习不仅可行，还能取得其他机器学习技术难以企及的惊人成就。
大约十年后，机器学习已经席卷了整个行业，它是当今高科技产品的核心，为网页搜索结果排名、智能手机语音识别提供支持、推荐视频，甚至在围棋比赛中击败世界冠军。很快，它还将用于自动驾驶。
机器学习在项目中的应用
如果你对机器学习感兴趣，希望将其应用到项目中，可能有以下场景：
- 为自制机器人赋予智能，使其能够识别面部或学会行走。
- 公司拥有大量数据，如用户日志、财务数据、生产数据等，通过机器学习可以：
- 对客户进行细分，为每个群体找到最佳营销策略。
- 根据相似客户的购买记录为每个客户推荐产品。
- 检测可能的欺诈交易。
- 预测明年的收入。
二、学习目标与方法
目标
假设你对机器学习几乎一无所知，目标是让你掌握实现从数据中学习的程序所需的概念、工具和直觉。
方法
将使用生产就绪的 Python 框架，而不是实现每个算法的玩具版本：
-Scikit - Learn：易于使用，高效实现许多机器学习算法，是学习机器学习的绝佳起点。它由 David
