一. 机器学习相关书籍推荐
不是书籍不好，而是你还没有到读他的时候。
入门的时候读这些书籍，味同嚼蜡，完全看不懂。
进阶的时候读这些书籍，能看懂一些，但是一看就像打瞌睡。
深入的时候读这些书籍，会发现每一个字都价值千金。
NO.1:
image.png
NO.2:
image.png
NO.3：
image.png
NO.4:
image.png
NO5：
image.png
二. 机器学习概述
2.1 什么是机器学习
机器学习是挃是一门多领域交叉学科。专门研究计算机或其它软硬件设备怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。
应用机器学习技术到产品中，给用户带来“机器具备人类般高智能”的震撼性体验。
人力成本又越来越高，机器学习能降低企业成本，提高投入产出比。
第二次机器革命——以具备人类智能为核心价值的机器占主导地位（第一次机器革命——动力系统革命），对国家软实力具有重要作用。
机器学习是人工智能研究的核心内容。它的应用已遍及人工智能的各个分支，如专家系统、自动推理、自然语言理解、模式识别、计算机视觉、智能机器人等领域。
机器学习在数据挖掘里被大量使用，其技术内涵几乎通用，可以看作同一座山峰在不同视角下的侧影。
2.2 机器学习比较活跃的领域
数据分析和数据挖掘：机器学习实现一套工具、方法或程式，从现实世界的海量数据里提炼出有价值的知识，规则和模式。并把该提炼成果应用到前台系统，辅助业务的进行，使其达到更好的效果，例如推荐，辅助决策（沙盘推演，博弈，预测结果），精准辨别，参与服务等，使到业务能产生更大的效益
图像和语音识别：语音输入，OCR，手写输入，通讯监控，车牌识别，指纹识别，虹膜识别，脸像识别
智慧机器，机器人：生产线机器人，人机对话，电脑博弈
2.3 推荐系统
- 京东的图书推荐
- 汽车之家的同类汽车推荐
- 淘宝的同类商品推荐
- 抖音的视频推荐
- 今日头条的问题推荐
- 社交推荐
- 职位推荐
2.4 贝叶斯分类
相信大家都有听过贝叶斯，只是不知道贝叶斯能做什么。
学过概率论的都知道，贝叶斯公式就是已知结果和部分条件，求剩余条件发生的概率。与我们以往知道条件发生的概率然后推结果的概率不同。
贝叶斯分类应用十分广泛:
image.png
垃圾邮件判断原理:
- 分词
-
贝叶斯公式和贝叶斯分类器
image.png
2.5 决策树
给出样本集，学习后输出的产物是一颗决策树
image.png
2.6 频繁模式挖掘
数据挖掘经久不衰的案例
image.png
2.7 语音识别
image.png
2.8 图像识别
- 指纹、虹膜纹识别
- 脸像识别
- 车牌识别
- 动态图像识别
- 小波分析
image.png
三. 软件
3.1 R
R是统计学中用得最多的软件。
3.2 Python
Python人工智能领域常用的包:
- NumPy 矩阵计算
- SciPy 封装了诸多算法
- Matplotlib 画图
3.3 Weka
WEKA=Waikato Environment for Knowledge Analysis
免费的，非商业化的，基于JAVA环境下开源的机器学习以及数据挖掘软件。
Weka的主要开发者来自新西兰的Waikato大学。
官网：http://www.cs.waikato.ac.nz/ml/weka/
Petaho：http://community.pentaho.com/projects/data-mining/
3.4 Matlab
Matlab = matrix+laboratory，是由美国mathworks公司发布的主要面对科学计算、可视化以及交互式程序设计的高科技计算环境。
MATLAB和Mathematica、Maple并称为三大数学软件。它在数学类科技应用软件中在数值计算斱面首屈一挃。MATLAB可以进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其他编程语言的程序等，主要应用于工程计算、控制设计、信号处理不通讯、图像处理、信号检测、金融建模设计不分析等领域。
具有功能完备强大的神经网络包
image.png
网友评论