本站原创文章，转载请说明来自《老饼讲解-机器学习》www.bbbdata.com
对于新人在入手机器学习时，往往会因为没接触过机器学习而担心自己基础不足
因此，本文对常见的疑问进行解答，例如需要什么编程基础、数学基础等
通过本文，可以了解机器学习所需要的基础内容，以及在基础不足时应如何克服
本节讲解新人上手机器学习时的一些常见疑问
入手机器学习-需要什么编程语言
机器学习使用什么语言
用于机器学习的语言有很多，python、R、matlab、SAS、C++等，但现在基本都用python，
用python最大的好处是，包多，开源，用的人多，在众多语言中不算难，建议大家也直接入手python
使用python的理由如下：
1. 工作中有时需要统一编程语言
2. 找资料方便，也更丰富
此外，python可以做的东西很多
熟悉python以后，用编程处理其它需求也不用重学另一种语言
python用什么IDE
如果装原生python，在装完python后还需要装其它机器学习包、ide， 建议直接使用Anaconda
Anaconda是全家桶，各种包直接安装好，自带编程界面Spyder，对机器学习来说，使用Anaconda简单了事
另外IDEA使用jupyter notebook也是不错的选择，pycharm则面向开发或工程化的项目，机器学习用pycharm的较少
机器学习需要将python学到什么程度
对于机器学习，只需要有一般的python基础就够了，
例如数据的处理、if else语句、pandas、numpy的简单使用等等,有一般的python使用经验即可
而对于没有python使用经验，但有其它编码语言(例如matlab,C++等)基础的同学
则只需要把python的基础操作和基础语法简单看一下，再跟随机器学习的教程逐步熟悉即可
入手机器学习-需要什么数学基础
机器学习中最常用的基础数学有：
1. 高等代数(线性代数)
2. 数学分析(微积分)
3. 统计与概率
其中代数比较重要，需要有一定的深刻理解，而数学分析和概率论则只用到个别知识点
如果上述数学内容没学好，学机器学习过程会有些困难，但比较常用的机器学习算法一般涉及的数学内容不难
老饼认为，前期可以艰难前行，慢慢跟随着机器学习去提升我们的数学水平
在遇到一些较难的算法时，可以先从应用上手，再慢慢学习，遇到不懂的再针对性补习一下就好了
总的来说，有一些高中、大学的一般数学基础就可以了，如果基础差，则艰难前行就好，坚持坚持就熟悉了
所以，机器学习并不需要太精深的数学，但前提是，自己有毅力、有自信
如果基础差，一遇到看不懂的，就认为都是自己数学基础差的原因，那就没法学了
机器学习-要学什么内容
一般来说，在特定行业中，往往都只用两、三个模型
因此，根据不同行业，需要掌握行业特定的模型，然后作为从业者，也必须了解一些大家公知的模型
同时在学习模型的时候，会涉及一些求解的算法，例如梯度下降、最小二乘法等等
最后是一些通用常识，例如模型的评估、数据的清洗等等，在学习、项目应用的过程同时积累就可以了
所以核心还是模型，常见的知名度较高的模型如下：
回归模型：线性回归、岭回归、Lasso回归
分类模型：逻辑回归、决策树、SVM 、集成算法(随机森林、Adboost、GBDT、Xgboost)
降维算法：PCA主成份分析、线性判别LDA、因子分析FA、独立成份分析ICA
其它算法： KNN、K-means、朴素贝叶斯、隐马可夫链、Apriori等等
对于入门来说，并不需要全部都要学，有些进行了解就可以了
一些常见的概念常识如下：
过拟合、正则化、数据清洗、AUC、KS等等
这些概念一般并不需要特地系统地去学，在实践过程中自然慢慢就会积累了
好了，以上就是机器学习入门的答疑了，以后再适当补充~
End