零基础入门机器学习补课
学里没读过的书终究要在社会课上补回来……
https://blog.csdn.net/qq_28168421/article/details/81351321
要完全理解大多数机器学习算法，就需要对一些关键的数学概念有一个基本的理解。但不要害怕！所需的概念很简单，并且借鉴了你可能已经上过的课程。机器学习使用线性代数、微积分、概率和统计。
Top 3线性代数概念：1.矩阵运算；2.特征值/特征向量；3.向量空间和范数
Top 3微积分概念：1.偏导数；2.向量-值函数；3.方向梯度
Top 3统计概念：1.Bayes定理；2.组合学；3.抽样方法
https://baijiahao.baidu.com/s?id=1632673791039092166&wfr=spider&for=pc
Kaggle 是一个可以直接研究数据的平台。你可以在这个平台中解决一些项目，并达到真的擅长机器学习的地步。你可能更感兴趣另外一些东西——Kaggle 举办的机器学习竞赛，奖金高达 100,000 美元。你可能会想着碰碰运气，哈哈。
Kaggle：https://www.kaggle.com/
Jupyter Notebook介绍、安装及使用教程
https://www.jianshu.com/p/91365f343585
第一步：数据清洗。分类用众数，连续用中位数或者平均数
第一步：特征工程
第三步：机器学习建模
真尼玛难
第四步：微调
微调的意思是为机器学习算法找到最佳参数。
调起来很麻烦，但是有工具可以帮你调： 网格搜索（Grid Search）
怎么样？机器学习看起来似乎并不难吧？用 Python 实现机器学习很简单。一切都已经为你准备好了。你可以做一些神奇的事，并给人们带来快乐。
好的，冲！
https://www.kaggle.com/arthurtok/introduction-to-ensembling-stacking-in-python
这篇排版好 看起来更棒
下一篇从入门到放弃
https://blog.csdn.net/qq_39384184/article/details/92201647
这篇密密麻麻全是字是我看不懂的天书但是下面这张图我看懂了冲着这张吃瓜分析表，我，冲！
机器学习入门好文，强烈推荐（转） 这个好
