摘要：機(jī)器學(xué)習(xí)的過(guò)程機(jī)器學(xué)習(xí)的流程可以概括為幾大部分，分別是設(shè)置數(shù)據(jù)集劃分訓(xùn)練集和測(cè)試集構(gòu)建計(jì)算網(wǎng)絡(luò)訓(xùn)練模型測(cè)試模型以及其他一些環(huán)節(jié)。機(jī)器學(xué)習(xí)在某些時(shí)候，很接近于線性回歸，而這個(gè)庫(kù)很適合用來(lái)創(chuàng)建大量的數(shù)字集合。

網(wǎng)上關(guān)于機(jī)器學(xué)習(xí)的文章，視頻不計(jì)其數(shù)，本來(lái)寫這么一篇東西，我自己也覺(jué)得有點(diǎn)多余，但是我還真沒(méi)找到一個(gè)能幫助像我這樣零基礎(chǔ)的人，快速接觸和上手機(jī)器學(xué)習(xí)的文章。這篇文章不能讓你深入學(xué)習(xí)和掌握機(jī)器學(xué)習(xí)的相關(guān)知識(shí)，但是一定能讓你快速了解什么是機(jī)器學(xué)習(xí)，以及你到底要不要深入學(xué)習(xí)，你需要提前學(xué)哪些東西來(lái)makes you ready。

其實(shí)這個(gè)恐怕任何一個(gè)從業(yè)人員都已經(jīng)了解了，我也不過(guò)多介紹了，用我自己的話來(lái)說(shuō)就是：讓機(jī)器學(xué)會(huì)用接近人類思考的方式來(lái)學(xué)習(xí)新的技能，從而幫助人類從一些簡(jiǎn)單的智能工作上解脫出來(lái)。比如車牌號(hào)識(shí)別、手寫識(shí)別、語(yǔ)音識(shí)別、圖片OCR等等。

機(jī)器學(xué)習(xí)的流程可以概括為幾大部分，分別是：設(shè)置數(shù)據(jù)集、劃分訓(xùn)練集和測(cè)試集、構(gòu)建計(jì)算網(wǎng)絡(luò)、訓(xùn)練模型、測(cè)試模型以及其他一些環(huán)節(jié)。設(shè)置數(shù)據(jù)集就是獲取測(cè)試數(shù)據(jù)，你不能用爬蟲(chóng)隨便爬幾千個(gè)圖片來(lái)訓(xùn)練，必須將圖片先轉(zhuǎn)化為規(guī)范的數(shù)據(jù)集合，比如大小相同等。其他的語(yǔ)音識(shí)別等，也需要先做類似的工作。幸運(yùn)的是，你可以注冊(cè)一個(gè)kaggle的賬號(hào)，來(lái)獲取一些已經(jīng)采集好的標(biāo)準(zhǔn)數(shù)據(jù)集。第二步是劃分集合，一多半用來(lái)訓(xùn)練，一小半用來(lái)測(cè)試，具體的比例你可以自行測(cè)試調(diào)優(yōu)。訓(xùn)練集用來(lái)訓(xùn)練模型，測(cè)試集用來(lái)評(píng)估訓(xùn)練結(jié)果。為了防止模型過(guò)于匹配某些訓(xùn)練數(shù)據(jù)（術(shù)語(yǔ)叫做過(guò)擬合），訓(xùn)練時(shí)往往是不停的隨機(jī)抽取樣本建立批次來(lái)進(jìn)行訓(xùn)練的，而不是分批次逐個(gè)批次訓(xùn)練做到全覆蓋。后面的幾個(gè)環(huán)節(jié)，我就不細(xì)說(shuō)了，網(wǎng)上最多的就是這個(gè)。在keras框架中，這三個(gè)環(huán)節(jié)也就是幾行代碼的事。

這個(gè)是我初學(xué)的時(shí)候最困擾我的問(wèn)題之一。Matlab是一種開(kāi)發(fā)工具，類似于python語(yǔ)言，通信專業(yè)的孩子都懂的，經(jīng)常用來(lái)繪制數(shù)學(xué)圖像。tensorflow是一套機(jī)器學(xué)習(xí)框架，你可以詳細(xì)的設(shè)計(jì)和定制你的學(xué)習(xí)模型和流程，當(dāng)然你需要大量的專業(yè)知識(shí)和技能才能做到。keras是最適合我這種入門小白學(xué)習(xí)的，但是抽象的級(jí)別過(guò)高，你還是先了解下tensorflow再用比較好。它把很多tensorflow的功能（也可以使用theano和其他計(jì)算框架）都進(jìn)行了更高層面的組合，讓你用很少的代碼就能實(shí)現(xiàn)很多功能。神經(jīng)網(wǎng)絡(luò)CNN是主要用于圖像領(lǐng)域的計(jì)算框架，是一種計(jì)算模型，類似于基于Java或者PHP語(yǔ)言所使用的后端架構(gòu)。實(shí)現(xiàn)的方式多種多樣，這種架構(gòu)比較適合圖像識(shí)別（也可以用于語(yǔ)音識(shí)別等）。

matplotlib庫(kù)是你必備的，這個(gè)是數(shù)學(xué)工具庫(kù)，主要用來(lái)繪制數(shù)學(xué)函數(shù)和圖像，非常的強(qiáng)大，很接近于Matlab的功能。這個(gè)網(wǎng)上也有專門的教程，建議先簡(jiǎn)單學(xué)習(xí)一下。
然后是numpy庫(kù)，這個(gè)庫(kù)是科學(xué)計(jì)算領(lǐng)域常用的庫(kù)，專門用來(lái)做數(shù)字方面的工作，也是建議先學(xué)習(xí)一下。機(jī)器學(xué)習(xí)在某些時(shí)候，很接近于線性回歸，而這個(gè)庫(kù)很適合用來(lái)創(chuàng)建大量的數(shù)字集合。
再之后是OpenCV庫(kù)，這個(gè)是專門用來(lái)做圖像處理的庫(kù)（我學(xué)的是python版本，原版貌似是c++開(kāi)發(fā)的），包括攝像頭采集，圖像變換，圖像分析分類等等，功能非常的強(qiáng)悍，可以說(shuō)是計(jì)算機(jī)視覺(jué)領(lǐng)域必備的庫(kù)。網(wǎng)上也有專門的大量教程，也建議先學(xué)習(xí)一下，了解基礎(chǔ)用法。其中攝像頭人臉檢測(cè)（就是在圖像中識(shí)別出有沒(méi)有人臉），甚至已經(jīng)內(nèi)置了處理模型，能直接調(diào)用api檢測(cè)出來(lái)。

想要開(kāi)發(fā)出一個(gè)識(shí)別人臉或者動(dòng)物的模型其實(shí)很簡(jiǎn)單，但是但是但是！想要知道這個(gè)模型是如何設(shè)計(jì)的，以及設(shè)計(jì)一個(gè)屬于自己的模型去解決特定問(wèn)題，這個(gè)是很難的。也就是說(shuō)，寫代碼很簡(jiǎn)單，關(guān)鍵是熟練使用各種數(shù)學(xué)模型組成計(jì)算框架。斯坦福大學(xué)在網(wǎng)易云課堂上面有一個(gè)公開(kāi)課，里面全都是各種數(shù)學(xué)模型和公式，目前我還無(wú)法駕馭，數(shù)學(xué)學(xué)渣感覺(jué)壓力很大。如果你想深入研究并解決你自己遇到的特定問(wèn)題，那么你需要熟練使用各種數(shù)學(xué)模型，還要知道如何評(píng)估自己的模型的準(zhǔn)確率。星辰大海等著你去征服，少年。

最后的最后，我學(xué)這個(gè)時(shí)間確實(shí)很短，一定會(huì)有很多遺漏和錯(cuò)誤之處，如果大家發(fā)現(xiàn)了，請(qǐng)一定指出并最好附上文檔鏈接，大家共同學(xué)習(xí)。

最后補(bǔ)充一些特別好的文章資料，供大家進(jìn)一步閱讀：
https://zhuanlan.zhihu.com/p/... 專欄里的文章都不錯(cuò)，比較容易理解
http://www.cnblogs.com/neo-T/... 這是我看過(guò)的最簡(jiǎn)單的入門文章
https://www.bilibili.com/vide... 這個(gè)up的視頻講的也不錯(cuò)，真·手把手教