返回首页
量化投资,高频交易,程序化交易学习必备~900+个(200G+)培训视频持续更新中!!!

机器学习入门必读(一)

时间:2016-10-31 20:11来源:未知 作者:杨清婉 点击:
很多朋友在读过 《机器学习怎样应用于量化交易(一) 》之后,表示对机器学习很感兴趣,此篇讲讲机器学习该怎么入门。首先,我必须表明,真的想学Machine Learning的人,不如找本书仔仔细细的读完,总比看些朋友圈的标题党,什么machine learning十大算法来
    很多朋友在读过《机器学习怎样应用于量化交易(一)》之后,表示对机器学习很感兴趣,此篇讲讲机器学习该怎么入门。首先,我必须表明,真的想学Machine Learning的人,不如找本书仔仔细细的读完,总比看些朋友圈的标题党,什么machine learning十大算法来的强。
 
   基本上把probability theory, algebra, linear regression和calculus学好,会在machine learning上事半功倍。如果只是想入门,只要把几门基础数学课“线性代数”,“高数”,“概率论与数理统计”学好,完全可以看懂很大一部分机器学习算法。除此之外,如果能懂近代数学那就是锦上添花了,因为现在的文献很喜欢引用里面的概念,懂一些读起来比较方便。如果想要了解模型的精髓,一定要好好学习real analysis,因为对序列或函数的收敛性的理解将会对你有很大的帮助。在前面几门课学好并有一定python基础之后,就要仔细读一读Optimization theory 了。

  下面开始进入正文

  先了解什么是机器学习。

  一. 数学基础

  1.Calculus: Single Variable /Calculus One

  2.Multivariable Calculus

  3.Linear Algebra

  二.熟悉四种程序语言

  1.Python,开源的库比较多,可以看看Numpy和Scipy这两个库,都可以很好的融入网站开发以及Hadoop;

  2.C++,让你的代码跑的更快;

  3.R,是一个很好地统计工具;

  4.java,可以让你很好的使用Hadoop。

  理论和代码一起学习是机器学习的最佳入门方法。

  下面总结了一些机器学习的资料,供大家参考

  《统计学习方法》作者: 李航 。这本书适合初学者建立概念,可以系统的了解机器学习,还介绍了一些相关研究,给出了少量习题,列出了主要参考文献。

  《UFLDL教程 - Ufldl》,Andrew Ng写的关于非监督特征学习与深度学习的教程。涉及很多机器学习的基本概念,并附有matlab习题,此教程的好处是,不像一般教材面面俱到,不利于初学者建立概念。有了此基础后再去看相关著作或者论文将会得心应手。

  《Introduction to Statistical Learning》,作者: Gareth James / Daniela Witten / Trevor Hastie / Robert Tibshirani

  这本书以应用的形式把机器学习的基本算法介绍出来,而且每一章后面都有用R语言来做的Lab,对于想学习R语言的同学来说是一大福利。

  《斯坦福大学公开课 :机器学习课程》是斯坦福现场上课的录像。

(责任编辑:admin)
量化投资,高频交易,程序化交易学习必备~900+个(200G+)培训视频持续更新中!!!
------分隔线----------------------------
云量化商城
如果您会开发策略,请进!大量项目等待与您合作!
推荐内容
量化投资培训