我在寻找一些关于机器学习的入门文章。有人能为初学者推荐一些吗？

回答：

我假设你说的“文章”是指任何可在线获取的资源。

我推荐两类资源：

首先，寻找机器学习博客，博主的首选语言与你相同。根据我的经验，阅读一篇关于单一主题（例如，支持向量机）的博客文章，同时阅读博客文章附带的源代码，是程序员学习机器学习的最佳方式。几个优秀的例子是博客Smell the Data（Python）和Igvita（Ruby）。两者都包含（至少）几篇文章，每篇以教程风格描述特定的机器学习技术，包括对其（发布的）源代码的详细讲解。特别是Igvita，提供了关于支持向量机、决策树、奇异值分解和集成方法的优秀教程和工作的Ruby代码——就像我提到的另一个博客一样，仅凭这些博客中的机器学习文章就可以开设一门高年级本科课程。

其次，我强烈推荐VideoLectures.net。

这是我找到的最好的资源——无论是免费还是付费——提供非常高质量的（无论是视频质量还是演示内容）机器学习的视频讲座和教程。这些视频讲座的目标受众从初学者（一些讲座被特别标记为“教程”）到专家不等；大多数似乎处于中间水平。

所有讲座和教程都是为经验丰富的专业人士和学者教授的，在许多情况下，讲师是他在/她所讲授的主题上的领先权威。该网站也是100%免费的。

唯一的缺点是你不能下载讲座并存储在例如iTunes中；然而，几乎每场讲座都有一套你可以下载的幻灯片（或者，你可以方便地在观看演示时在线查看它们）。

我观看并强烈推荐的几场讲座包括：

• 半监督学习方法

• 机器学习导论

• 高斯过程基础

• 图模型

• k-最近邻模型

• 核方法导论