机器学习怎么入门？

一旦初学者开始试图理解这个问题，他们经常会发现善意但令人沮丧的建议，如下所示:

你需要精通数学。以下是清单:

-微积分

微分方程

数理统计

-优化

-算法分析

...

像这样的回复足以让任何人感到害怕，哪怕是有一定数学基础的人。

我猜很多初学者会被这样的建议吓倒，但实际上他们需要的数学知识比你想象的要少(至少比别人告诉你的要少)。如果你有兴趣成为一名机器学习从业者，不需要大量的高等数学知识就可以开始。

但如果没有门槛，那就不是。事实上，即使没有很高的微积分和线性代数的理解，也有其他的门槛。

数学不是机器学习的主要前提。

如果你是初学者，目标是处理行业或企业的问题，那么数学不是机器学习的主要前提。

到目前为止，你听到的关于机器学习的建议大多来自学术领域从事数据科学的专家。

在学术领域，经常鼓励你做学术研究，写报告。当你的研究领域是机器学习的时候，那么你真的需要对机器学习的统计学和数学基础有深刻的理解。

在工业领域，大多数情况下，主要追求的不是发明(制造轮子)和写报告。企业是否真的追求能创造商业价值。很多时候，尤其是初期，你用“现成”的工具就够了。这个时候你会发现，这些工具对数学的要求并没有你想象的那么高。

“现成的”工具不需要很高的数学。

几乎所有常见的机器学习库和工具都会为你处理高难度的数学问题，也就是说从事机器学习不一定需要懂线性代数和微积分。

还是那句话，现代统计学和机器学习软件可以帮你处理很多数学问题。

对于初学者来说，机器学习涉及的数学知识深似海，没有必要也没有必要去了解深海领域的数学知识。

当然，这些工具不能为你做所有的事情。你仍然需要实践来掌握这些工具。

如果你想开始学习机器，你需要学习的真正必要技能是数据分析。

对于初学者(无论你是软件工程师还是来自其他领域的从业者)，你不需要了解太多微积分、线性代数或其他任何大学水平的数学就可以完成这些任务。

但是，数据分析能力是必不可少的。数据分析是你完成工作需要的第一个技能，是机器学习初学者真正需要的必备能力。

数学很重要，但不适合初学者。

数学很重要，尤其是在某些情况下。

首先，如果你是做学术领域的机器学习研究，数学很重要；其次，在工业领域，数学对于少数高级数据分析师/数据科学家也很重要。特别是像谷歌和脸书这样的公司，他们站在最前沿，正在使用机器学习领域的尖端工具。这些人在工作中经常用到微积分、线性代数以及更高级的数学。

初学者学习机器学习也需要数学。开始学习机器学习，至少需要入门级的本科基础数学技能。你还需要了解基本的统计学知识，比如平均值、标准差、差值等等。