一、机器学习该怎么入门
旦肌测可爻玖诧雪超磨如果是在校生，可以选修一门机器学习的课，通常软件、计算机和数学学院会开设； 如果是校外人士，建议跟着学一门在线课程，推荐华盛顿大学开设的机器学习基础，适合新手入门。 链接：
二、机器学习怎么快速入门
找一本教材，个人推荐李航的《统计机器学习》
可以去看网易上关于机器学习的公开课，是Standford的Prof. Ng的视频课程，超级棒。
结合教材和视频，将机器学习算法的公式推一遍，然后用Matlab或者python跑一跑数据，找点感觉。
对于数学也要加强，特别在概率论方面
希望可以帮到您
三、机器学习的学习应该看哪些书籍
机器学习的学习应该看哪些书籍
1：个人觉得李航的《统计学习方法》还算可以，属于基本的机器学习入门书籍。
2：具体可以结合andrew ng的机器学习视频看--->可以去网易公开课找到，斯坦福大学机器学习
3：尝试实现一些最基础的算法。最简单的比如朴素贝叶斯分类器，我当年实现第一个机器学习算法，现在想想还是很激动的。后面的像SVM，决策树也可以试试。
4：一定要做一点应用，不然，感觉都是理论，一点感觉都不会有的。比如上面的朴素贝叶斯分类器就可以做一个垃圾邮件过滤系统。
5：还有一本书似乎是韩家炜的数据挖掘导论，没读过，但是网上推荐挺多的。
6：等你到了一定水平，就可以啃啃PRML了，这个太经典了，有点类似算法中的算法导论
7：至于后来，好吧，我还在啃PRML。。。。让其他人说吧。。。
四、如何正确的学习Coursera上Andrew Ng的机器学习课程
如果你更关注如何在现实中如何应用,我并不推荐你去学习这门课，有更好的课程适合你，而不是被几个Title蒙蔽了双眼，失去了自己的判断能力。事实上这个课更多的人是冲着StanFord和Andrew Ng教授的名气去上的,拿到这个课程的证书能为为自己的形象加分不少。
课程确实非常的简单易懂，几乎稍微困难的地方就会很细致的讲解,讲解非常的细致，入门机械学习的，我上了大概5周,作业也都积极完成了,但发现一直在讲算法和如何在octave里面进行数据处理,应用层面讲得都是很基础的例子没有太强的实践操作价值,因为实际情况要复杂的多。我简单浏览了整个课程的内容，直到最后我也没发现有在应用层面的具体讲解，最后依然是在讲算法，所以我就去试着寻找其他更高效的课程了。
经过一段时间的搜寻，我发现了华盛顿大学开的机器学习课程
相比Andrew Ng的机器学习，华盛顿大学开的机器学习专项课程要系统全面得多，分为6个部分，每个部分大概都是6周得时间，学习时间大概是Andrew Ng课程的2.5倍，最后一个部分是一个综合化的智能应用的毕业设计，会综合你所有学到的，非常具有实战性。
