如何学习机器学习算法

标签：

学习机器学习算法真的是一件令人头疼的事，我们有那么多的论文、书籍、网站可以参考，它们或是精炼的数学描述（mathematically），或是一步一步的文本介绍(textually)。如果你足够幸运，可能还会找到一些伪代码。如果人品爆发，甚至会被告知如何安装。但是，全靠人品毕竟不是长久之计，详尽的算法修炼秘籍也是寥寥。如此窘境，如何是好？
　　某侠士集成多年所得，指得一条明路：从“只言片语”中抽丝剥茧，多方参照，可获真经。
　　这“只言片语”并非随意摘选，而是指某一派算法之总。即算法最原始的出处（即文章），以及来自于综述和典籍的二次阐述。这些地方，常藏有算法的代码实现。如若勤加钻研，定会事半功倍。
　　修习算法，可先广泛涉猎算法知识，以窥全貌，之后代码实现。这不失为一种方法，但是算法为源，代码为支。追宗溯本，算法心经为要。然心经修习，讲究日积月累，需的耐烦、入定。此事甚难。该侠士又提一辅助修炼方法——结构化算法学习。
　　修习某一算法之前，列出所要关注的若干问题，包括：

• 算法的标准和简称是什么？（What is the standard and abbreviations used for the algorithm?）
• 信息处理策略是什么？（What is the information processing strategy of the algorithm？）
• 算法的目标是什么？（What is the objective or goal for the algorithm?）
• 算法的衍生实践有哪些？（What metaphors or analogies are commonly used to describe the behavior of the algorithm?）
• 伪代码的实现（What is the pseudocode or flowchart description of the algorithm?）
• 算法的使用技巧、注意事项有哪些？（What are the heuristics or rules of thumb for using the algorithm?）
• 算法可以解决哪类问题？（What classes of problem is the algorithm well suited?）
• 描述相关算法的资源有哪些？（What are useful resources for learning more about the algorithm?）
• 算法的源头在哪里？（What are the primary references or resources in which the algorithm was first described?）
  日常学习之中，将同一算法的讨论逐一归入如上框架。
  这一方法的精妙之处在于，不需要你事先成为某一领域的大家。只是每遇一算法，便归入框架，日积月累，功力自然与日俱增。

参考:

1 How to Learn a Machine Learning Algorithm.

如何学习机器学习算法

标签：

原文地址：http://www.cnblogs.com/CBF-Linux/p/4255472.html