机器学习入门的常见问题集

大家好，我是木羊同学，昨天受邀参加开源中国的高手问答栏目。这次主题定的是机器学习入门，栏目的提问质量很高，有好些个问题着实搔着了痒处。

这次的提问都很有意思，串起来可以编一套“机器学习入门的常见问题集”，这里我浓缩成三个很有代表性的问题，推荐给在机器学习上一直敲门还没进去的同学看看。

第一个问题，是起点：为什么神经网络能模拟人脑？

回想一下，当你终于决定要开始学机器学习之前，究竟是什么触动了你的心？触动我的心的，就是上面这个问题。我的故事就充满了中二的气息，《超能特战队》是一部人工智能题材的科幻动画，我喜欢里面超暖的大白(●—●)，而且用的是技术宅风格的喜欢：我想实现它。

当然，当时之所以会有这个大胆的想法，主要是因为很无知。我选择用神经网络。神经网络，有的书上称为人工神经网络，还有什么会比选择使用名叫“人工神经网络”的算法来实现人工智能更自然而然的事呢？更何况当时我还知道，神经网络最近推出了一个高清重制版，名叫深度学习，很多人甚至开始讨论深度学习会取代其它机器学习算法，看起来前途无量。

不过很快，我的问题就变成了“神经网络能不能模拟人脑”。我以为这个问题很简单，三天怎么就能找到答案。可是，没有一本书能作出肯定或否定的回答，当时也没有高手问答这么好的栏目让我提问。我没想到，为了一个看似简单的谜底，竟然需要花费未来数年的时光。

“很遗憾，神经网络并不能模拟人脑”，我斟酌许久，开始一个字一个字地对今天的问题，也是我当年的问题敲下自己的回答。今天，神经网络，或者叫深度学习，已然大红大紫，然而，这套名叫“神经网络”的算法只做了非常有限的仿生，非要和人的神经网络相比较的话，我认为是平行线的两条边。人的神经网络没法求导，而机器学习的神经网络本质只是拟合曲线，只不过随着神经网络深度的加深，模型的拟合能力也随之加强。再复杂的曲线，只要有足够的深度和足够的数据进行训练，神经网络就能表达出来，这也正是深度学习的“深度”二字的由来。

我们所处在的是一个正在蓬勃发展的社会，“学机器学习能找一份怎样的工作”，自然是每一个务实的人所应当关心的问题。只是我想，心怀当年那份求知的渴望，也许才能更容易在问题叠着问题的知识体系中坚持下来。

第二个问题，是困扰：机器学习的数学究竟该怎么学，为什么花了很多时间去学，却仍然感觉啥也没学会？

机器学习很特别，它既是算法，又是数学，但无论你把它当做是一门算法，还是一门数学来学，都会有迷路的感觉。今天有人很形象地形容了这种感觉：一直在学，也学了很多，可是，到头来不是还没搞懂原理，就是搞懂了原理看不懂公式，要么就是看懂了公式，却还是不知道怎样写成算法运行。

“机器学习要先学好数学”，这应该是大家都听过的“好心”劝告。最终，大家都在困扰中问出那个问题：学机器学习，究竟要不要手推公式？每一个初学者想必都对此很纠结。机器学习的教材也很纠结，所以会走两个极端：一种是偏重编程，既然大家都看不懂数学，那干脆统统刨去，只留代码。可是，这种教材读完之后，免不了会留下知其然不知其所以然的不安感。想要系统全面地学？那好，另一种偏重数学的教材，翻开一看，里面全是意义不明的数学公式符号，还有各种拗口的术语名词，让人读得昏头转向，很快迷失方向。

该怎么学才好呢？

我在我的那本《机器学习算法的数学原理与Python实现》中提出了一个概念，叫“数学语”。名字怪怪的，不过意思很好理解。学机器学习的数学，不该是自古华山一条路。不同的学习动机，应该对应不同的学习路径。很多人，甚至可能是大多数的人，真正关心的不是数学上怎么证明收敛，而是这些数学符号到底在说什么，想要知道的是翻译：把这门希腊符号写成数学语，翻译成看完了能够说一声“原来如此”的大白话，进而了解这款模型为什么能到做这些，又会有怎样的不足之处。

最后一个问题，是工具：机器学习的算法在现实中该怎么使用呢？

编程需要确定编程语言，首先推荐的是Python。早前做机器学习，是Python和R二选一，不过Python的资源明显丰富得多，特别是近年在深度学习方面有着无法比拟的优势，不是唯一的选择，也是最佳的选择。Python还有一个优点，就是语法简单，有了其它编程语言的基础，很快就能转过来。

确定了语言，接下来大家自然就会产生一个朴素的愿望：有没有那么一款工具，能够直接将那些个乱糟糟的数学式子一下转成Python代码？毕竟数学符号和Python代码长得太不像了，不知道该怎样把书上这些数学式子运行起来。

可惜的是，现在还没有这样便利的工具。不过，Python有很多专门的库，能够明显降低我们使用机器学习算法的门槛。常用的有三款，第一款是numpy，机器学习用到的各种矩阵运算里面都有，只要了解了式子的意思，就能用numpy照猫画虎。第二款是Scikit-Learn，对常用的机器学习算法做了非常好的封装，使用很简单，就是调用API。第三款是Pandas，机器学习的任务通常需要处理数据，而Pandas是首选的利器。

最后，高手问答栏目现在还在继续，对上面话题感兴趣，想进一步了解机器学习怎样入门的朋友，欢迎来这里交流，还有机会获赠正版图书哦：

https://www.oschina.net/question/4105562_2315636

也为机器学习爱好者推荐下我的书：

《机器学习算法的数学解析与Python实现》

入门机器学习的第一本书。从生活案例中理解算法，发现算法的乐趣，再把算法应用到机器学习中，让你零基础掌握算法精髓，快速进入人工智能开发领域。