statistics.jpg
为了学习机器学习就想复习一下统计学的知识
吴老爷子的这本书很薄，基于R语言的，100多页，3-4天就看完了，前面的基础讲的还可以，用了大量的图和案例来讲解一些概念，我终于知道了什么是分布 (distribute), 代码没怎么看，就画了一个直方图就再也没有写过代码。每个概念都有对应的英文，如 error 表示误差等等，方便你以后阅读英文书籍。
前面基本属于扫盲帮助回忆一下高中学习过的知识，看到最后的参数估计和假设检验就有点蒙了，讲的不是很清晰，直接跳过了。
其实传统统计学和现在的机器学习方法还是有很大差别的，传统统计学一般都是先搞模型，研究各种分布的规律等等，要求数据源必须独立同分布等等。而现在机器学习一般都是从大数据中发现模型，是先有数据才有模型。 所以学习机器学习并不要求有很高的统计学知识，高中学的统计学足够，遇到不懂的再查资料就行了。
对于机器学习应用工程师来说，原理大体了解，概念大体清晰，知道怎么训练数据、得出模型、应用到产品中就行了。至于各种算法实现、算法细节交给科学家和算法工程师去研究就行了。要对自己有一个较好的定位。
一本好的书能够更快的帮助我们入门，一本糟糕的数可能会打击我们的信心，阻止我们进一步的学习，我写了一个爬虫，爬取了豆瓣评分和评论较好的一些机器学习、深度学习等方面的书籍，简单整理了一下，有需要的同学可以参考一下下面的链接
网友评论