2017-9-7 机器学习路线

准备知识：

编程语言：Python，C++，Spark（大数据环境下）； 知识储备：英语、线性代数、概率论、图论、神经科学。

<!--more-->

第一步 统领大局：

建立大局观，是入门第一要务； 从宏观了解机器学习的全貌； 机器学习：根据已有特征，选择模型，训练模型，预测未知数据； 推荐书籍： -《图解机器学习》：通俗易懂，算法图解，入门必备； -《集体智慧编程》：代码实现，一个字“敲”； -《机器学习（周志华西瓜书）》：系统严谨，数学推导；

第二步 了解算法：

看遍所有算法原理，主要书籍：《机器学习（周志华）》； coursera 上Andrew NG的机器学习公开课，网易云也开了； 邹博的《机器学习实战》； 李沐《一起动手学习深度学习》； 必学：线性回归，Logistics回归，决策树。

第三步 利用框架：

利用scikit-learn实现所学的算法（推荐鸢尾花分类、MNIST分类）

第四步 神经网络：

看懂Tensorflow官网demo：RNN、CNN、GAN； 莫凡Tensorflow；

第五步 实操演练：

注册kangle，奋斗吧！ 上线一个小模型（django+scikit-learn）

第六步 关注落地：

机器学习MVP开发； 针对小规模，有质量、已标注的数据进行训练； 明确需求、特征量化、目标量化、特征清洗、模型选型、模型训练、线下验证、模型上线、特征清洗、模型预测、结果应用、运行监控；

实例一：客户动用率预测：

明确需求：与业务同事讨论本次需求的目标是什么，这里说的就是动用率预测；
特征量化：选出可能有影响的特征，如：年龄，性别，近三个月是否动用等；
目标量化：选择是否动用为目标；
特征清洗：样本筛选，缺失值补全，利用先验知识去掉明显不符合常理的数据；
模型选择：直接丢个逻辑回归试试看；
模型训练：看训练集和测试集，讨论出一个精准度即可；
模型上线：丢上线去跑跑看，看看结果，暂时不接入关键流程即可。

实例二：客户逾期率预测：

明确需求：与业务同事讨论本次需求的目标是什么，这里说的就是逾期率预测；
特征量化：选出可能有影响的特征，如：年龄，性别，近三个月是否逾期等；
目标量化：选择客户是否逾期作为目标；
特征清洗：样本筛选，缺失值补全，利用先验知识去掉明显不符合常理的数据；
模型选择：直接丢个softmax回归试试看；
模型训练：看训练集和测试集，讨论出一个精准度即可；
模型上线：丢上线去跑跑看，看看结果，暂时不接入关键流程即可。

实例三：客户风险级别预测：

明确需求：与业务同事讨论本次需求的目标是什么，这里说的就是风险级别预测；
特征量化：选出可能有影响的特征，如：年龄，性别，近三个月是否逾期等；
目标量化：选择预期风险等级作为目标；
特征清洗：样本筛选，缺失值补全，利用先验知识去掉明显不符合常理的数据；
模型选择：直接丢个决策树试试看；
模型训练：看训练集和测试集，讨论出一个精准度即可；
模型上线：丢上线去跑跑看，看看结果，暂时不接入关键流程即可。

第七步 补充数学：

《概率论与数理统计》陈希孺 《线性代数应该这样学》

第八步 特征工程：

好的特征决是成功的一半； 特征选择，特征清洗，决定模型的上限，算法和优化只是不断趋近这个上限； 特征工程非常重要。

第九步 深入前沿：

深入了解前沿的底层原理 阅读实践优秀论文，如：MapReduce原理的，李沐Parameter原理的，GAN原理的，LPA原理的……

书单：

《深入浅出统计学》 《深入浅出数据分析》 《大数据智能》 《深度学习》 《优雅的理性》 《创新者的窘境》 《数学之美》