我一直对机器学习的主题着迷，直到我决定自学如何去做。所以我参加了斯坦福大学在线发表的课程。但是我对它所包含的数学量感到震惊。那么我应该能够理解机器学习算法的数学背景是什么？是否有任何图书馆抽象所有数学，并专注于实际设计一个能够学习的软件？
答案 0 :(得分：30)
答案 1 :(得分：7)
就像计算机科学相关主题的99％（不要引用我的数字）一样，机器学习的理论基础通常涉及大量的数学......不过，它不应该即使没有深入的微积分知识，也很难掌握一些基本的ML算法。
那里有各种机器学习库：
我想说你应该首先尝试构建自己的简单ML算法：可能是Neural Network或Genetic Algorithm。成功构建一个会对您的理解产生很大的影响......特别是在给定特定问题的情况下，您可能需要相当多地自定义ML算法。从头开始了解它是如何工作的，将允许您进行任何您认为必要的修改。
答案 2 :(得分：5)
Programming Collective Intelligence: Building Smart Web 2.0 Applications是一本很棒的书！ Toby构建了所有机器学习经典的简单实现：神经网络，支持向量机，遗传算法，聚类。所有这一切都简单解释了他们如何以及为什么工作。作为奖励，所有示例都在Python中！但即使你不懂Python，你也会理解这本书。我强烈推荐它
答案 3 :(得分：2)
有关机器学习的一些背景文本，请参阅此处： http://bumphunting.blogspot.com/2009/07/what-are-good-prequisite-textbooks-for.html
答案 4 :(得分：1)
答案 5 :(得分：0)
线性代数和（基本）统计。