第乙個問題，為何要先從資料探勘開始。學習機器學習的話，你大部分都是一些資料演算法，演算法的一些應用才是我們最後想要的。而資料探勘呢？？正好是機器學習最好的應用，從目前的情況來看，資料探勘，推薦系統的材料也是最豐富的，對學習機器學習的幫助很大。
第二個問題，是不是學習機器學習的過程，就一定要從資料探勘開始呢？？我這裡用一定這個詞，是有點過了，不過我想告訴大家的是，從目前社會上的狀態來講，應該是一定的了。原因呢？？第乙個就是資料，機器學習的資料也都融合到資料探勘裡面了，所以學習資料探勘對學習機器學習不衝突。而且我發現最優秀的機器學習資料都是資料探勘領域裡面的。那就是軟體和教程。第二個就是理解，拿機器學習演算法來理解，確實不容易，感性化的東西太少了，資料探勘不一樣，可以感性化理解現實中的一些情況。而且現在找工作最容易的方向也是資料探勘和推薦系統。第三個找工作，這個沒有什麼好說的了。從多個角度上講，資料探勘，是學好機器學習的首要任務。
當然了也僅限普通人啦。如果你可以不用基礎知識就能對數學演算法進行算數理解，也就不需要這個過程了。
我毛華望qq849886241，個人部落格
對資料探勘的最基本了解已經完成，目前使用的軟體是clementine。軟體有比較多的種類，我也都不是很了解，僅僅是我感覺用這個比較好吧。
下一步我開始寫一下關於這個軟體上的使用問題。
開始學習機器學習
由於想入深度學習坑，但基礎太薄弱，打算還是先把機器學習系統學習一遍，參考教材為周志華的 機器學習 之後再重點學習神經網路 caffe啥的吧。機器學習基本術語 1 資料的集合為資料集，每乙個資料具有屬性還有相應的屬性值 2 從資料中學得模型的過程稱為 學習 或 訓練 使用的資料稱為 訓練資料 樣本稱為...
從 0 開始機器學習 機器學習系統的設計
建議先花點時間實現乙個簡單能用的演算法，比如線性回歸 房價，不需要一開始就花很多時間設計複雜的演算法 在軟體開發中叫避免過早優化 你可以先實現能用的演算法，然後利用上篇文章從 0 開始機器學習 機器學習演算法診斷中的學習曲線等診斷法來分析演算法的優化方向，這樣乙個簡單的演算法就成為了優化問題的好工具...
機器學習 機器學習資料積累
前面我曾經發帖推薦過網上的一些做 影象處理和計算機視覺的 有料部落格資源，原帖位址 1 首先，是豆瓣上的資料鋪子主頁 因為我個人多是用r來做資料探勘和分析，所以主頁菌的內容很對我的胃口。這個主頁裡有大量用r做資料探勘的內容。我也向博主偷師了很多。儘管主頁菌已經停止更新內容了，但是現有的部分 其實文章...