机器学习，数据挖掘在研究生阶段要学什么

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

问：机器学习，数据挖掘在研究生阶段大概要学些什么？能给一个梗概或者方向么？最好可以列出主要的课程或者相关资源，谢谢

答：三个字：勤动手~~

其实机器学习和数据挖掘是两个相差的比较多的领域，机器学习比较偏向数学问题的推导， 所以在顶会上的很多paper更看重idea，不是很看重实验是否来源于真实数据（有一些实验数据会自己构造，比如Andrew Ng的谱聚类自己构造了一个图，图里面的点组成了四个英文字母NIPS，他证明他的谱聚类比之前的聚类方法好）来让我们感受一下这个飘逸的图

而数据挖掘说土点就是老子就是会抽feature~的领域，比如Kaggle上的入门题Titanic，我们都知道善良的美帝人民喜爱拯救小孩子（快！让小孩先走），所以年龄对于生还人员预测很重要，可是有些人的Age缺失了在给定的数据中。咱们这种土人只会给缺失的人扔个年龄平均数，然而那些有洞察力的人，认为他的姓名中暗示了年龄，Mrs与Miss，Mr与Master分别对应了年龄的某个区间，然后他们刁刁的可以用逻辑斯蒂回归模型就拿到很好的分数。

对于找工作解决实际问题而言~数据（代表着分布式系统领域）>特征（数据挖掘与自然语言处理与图像）>模型（机器学习）。这并不是说模型不重要，而是一定要对具体问题做模型的Adaptation，你直接把图像领域的CNN拍到自然领域处理领域可能效果还不如一些传统方法，然而你把模型改吧改吧改成了DCNN，你就超越了Baseline，所以一定要能看懂模型，然后结合你的具体问题，把问题给解决了！

所以，对于你的问题，大家推荐了那么多理论学习资料，我觉得肯定够了，我的忠告是不要沉迷于数学公式的推导，一定要理解他是如何运用数据的，比如SVM他的分类决策是根据和分类面最接近的那些点的支持向量决定的，贝叶斯的分类决策是根据大量先验知识决定的。所以在解决实际问题时候，贝叶斯会特别特别对先验和后验的同分布特别敏感，而SVM的鲁棒性会好很多。千万不要最后只知道SVM利用了拉格朗日乘子，对偶问题，极小极大与极大极小的转换做的分类器，而忽略了他怎么利用数据的特征~

最后想说的是：学好Python，掌握好开源的Tool。在工作解决实际问题的过程中，往往是这个逻辑：这个问题我们需要这个数据我们去crawl吧！！！（爬虫能力）-> 这些数据应该抽取ABCD这些特征（对数据的感觉）->这种数据特征的拟合用这个模型好！！！我记得这个开源Tool实现了（对开源机器学习模型的了解）-> 还是不work，我们写Rule吧（有多少人工就有多少智能的步骤）。当然最后一步十分重要，尤其对于自然语言处理问题

转自知乎「吴俣」回答

2016年，经管之家《机器学习》全国4月开课，详情请戳：http://www.peixun.net/view/558.html

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享1 收藏5 回帖

关键词：数据挖掘 机器学习 学什么 研究生 Adaptation 研究生 学什么