掌握机器学习算法的三重门

这篇文章我从面试找工作的角度，给大家介绍一下掌握机器学习算法的三重门，希望能够帮助到大家。

一、完整口述机器学习模型原理

这算是基本操作了，考验逻辑思维和表达能力。之前介绍过一篇文章，如何口述机器学习模型原理，可以做个参考，里面讲的比较简单，大家可以在此基础上去扩充，也可以写个文档，有空就练习着讲一遍。

之前推过的一文看完《统计学习方法》所有知识点，也可以做个参考，或者自己做一个类似的知识点直接or思维导图。

二、手推机器学习算法原理

图片来自：lawlite19@github

大家在学习《统计学习方法》或《机器学习》的时候，学完一章，要做到合上书，给你一张白纸，可以把本章算法每一步写的清清楚楚。这里顺便推荐一个我觉得非常不错的机器学习视频教程：shuhuai007大佬的《机器学习-白板推导系列》，大佬用21节课，在白板上一步一步推导算法，讲的非常详细，通俗易懂。

课程地址：

https://space.bilibili.com/97068901/channel/detail?cid=54167

有好心的同学将板书做了整理，非常美观，已更新到第19章：

https://github.com/ws13685555932/machine_learning_derivation

三、机器学习算法Python实现

这就比较考验代码能力了，虽然现在sklearn有现成的包可以调，还是建议大家将常见算法如LR、感知机、k近邻、贝叶斯、SVM、EM、Adaboost、决策树、随机森林、GBDT、XGBoost、聚类等等都试着用Python实现一下。这里推荐两个不错的资源：

https://github.com/lawlite19/MachineLearning_Python

作者用python实现了线性回归、逻辑回归、BP神经网络，SVM、K-Mean、PCA、异常检测等算法。

https://github.com/WenDesi/lihang_book_algorithm

作者将统计学习方法第一版每一章的算法用自己的方式实现一遍，这可是被李航老师点赞的项目！