【解疑】机器学习-新人常见问题

新手上路，对机器学习一片茫然，可能心里还有些小忐忑，这里给大家解答一些新人常见的问题，当成正式学习之前聊聊天，顺便减少一些新同学对上手机器学习的疑惑。

一、机器学习-新人解惑

1.1. 机器学习-使用什么语言

用于机器学习的语言有很多，python、R、matlab、SAS、C++等，但现在基本都用python。用python最大的好处是：包多、开源、用的人多，python在众多语言中不算难，建议大家直接入手python。

简单来说，使用python的理由如下：

1. 工作中有时需要统一编程语言。
2. 找资料方便，也更丰富。

而且，python还可以许多其它东西，熟悉python以后，用编程处理其它需求也不用重学另一种语言。

1.2. 机器学习-python用什么IDE

如果装原生python，在装完python后还需要装其它机器学习包、ide，建议直接使用Anaconda，Anaconda是全家桶，各种包直接安装好，自带编程界面Spyder，对机器学习来说，使用Anaconda简单了事。

另外IDE使用jupyter notebook也是不错的选择，pycharm则面向开发或工程化的项目，机器学习用pycharm的较少，往往搞python开发的同学就会推荐pycharm，但它其实不太适合玩机器学习。

1.3. 机器学习-python要学到什么程度

 对于机器学习，只需要有一般的python基础就够了，例如数据的处理、if else语句、pandas、numpy的简单使用等等，总的来说，有一般的python使用经验就可以了。

而对于没有python使用经验，但有其它编码语言(例如matlab,C++等)基础的同学，则只需要把python的基础操作和基础语法简单看一下，再跟随机器学习的教程逐步熟悉即可。

1.4. 机器学习-需要什么数学基础

机器学习中最常用的基础数学有：

     1. 高等代数(线性代数)

     2. 数学分析(微积分)

     3. 统计与概率

其中代数比较重要，需要有一定的深刻理解，而数学分析和概率论则只用到一点点，如果上述数学内容没学好，学机器学习过程会有些困难，但比较常用的机器学习算法一般涉及的数学内容不难，大多数人都并不是精通了机器学习中所用到的数学才开始学习的，更多的有点数学常识，然后跟着机器学习，需要什么就了解什么，逐步向前。前期艰难前行，遇到不懂的再针对性补习一下就好了。

总的来说，有些高中、大学数学基础就可以了，如果基础差，则艰难前行、慢慢就熟悉了，虽然机器学习并不需要太精深的数学，但前提是要有毅力、有自信，如果基础差，一遇到看不懂的，就认为是基础差造成的，那就没法学了。

总结

总的来说，就是机器学习一般都用python，而数学就主要就是高等数学中的一些内容，基础差就耐心点，在学习过程中缺什么补什么好了，这里随便聊一聊，大家有什么问题的，可以继续留言，会继续补充。