機器學習基礎：從入門到求職
胡歡武編著
3372人在讀
15.6萬字總字數
¥62.3定價
胡歡武編著
本書是一本機器學習算法方面的理論+實踐讀物，主要包含機器學習基礎理論、迴歸模型、分類模型、聚類模型、降維模型和深度學習模型六大部分。機器學習基礎理論部分包含第1、2章，主要介紹機器學習的理論基礎和工程實踐基礎。第3章是迴歸模型部分，主要包括模型的建立、學習策略的確定和優化算法的求解過程，最後結合三種常見的線性迴歸模型實現了一個房價預測的案例。第4至11章詳細介紹了幾種常見的分類模型，包括樸素貝葉斯模型、K近鄰模型、決策樹模型、Logistic迴歸模型、支持向量機模型、隨機森林模型、AdaBoost模型和提升樹模型，每一個模型都給出了較爲詳細的推導過程和實際應用案例。第12章系統介紹了五種常見的聚類模型，包括K-Means聚類、層次聚類、密度聚類、譜聚類和高斯混合聚類，每一個模型的原理、優缺點和工程應用實踐都給出了較爲詳細的說明。第13章系統介紹了四種常用的降維方式，包括奇異值分解、主成分分析、線性判別分析和局部線性嵌入，同樣給出了詳細的理論推導和分析。最後兩章分別是詞向量模型和深度神經網絡模型，其中，詞向量模型詳細介紹了Word2Vec和Doc2Vec模型的原理推導和應用；深度神經網絡模型系統介紹了深度學習相關的各類基礎知識。
推薦這本書。機器學習中各個模型的核心思想，基本流程都介紹的簡單明瞭又清晰，全文也沒有出現什麼明顯的錯誤之處，可以無聊地時候翻看，以鞏固一些基礎的理論知識。
上完Andrew的課再來看這本書，差距很明顯：重點不突出，實際應用細節講的少，分類很散，框架搭的不好。
值得一讀，邏輯很好，就是錯誤太多
入門級的好書，能讓讀者對機器學習有個整體的理解
概念清晰，主要講數學原理，適合複習速查
從數學原理講解切入，再到示例，編纂形式很好，但是，最大的不好有兩點，這也是我給評低分的原因: 第一，沒有配套的代碼資源和數據包； 第二，示例明顯代碼明顯是應付copy過來的，我敲了所有的示例代碼，很多錯誤，很多更新錯誤，也就是說作者是直接把老的代碼copy過來用的，完全沒有根據TensorFlow的更新進行調整，作爲2019年出版的書，有些錯誤甚至在2018年初就該調整了。
推薦有基礎的看 有些東西解釋的如隔靴搔癢，很多東西要邊看邊查資料。有些推理過程不夠清楚，但有。 這些缺點可以說是瑕不掩瑜，這本書知識結構和深入程度都不錯，即使有不清楚的地方也給了查資料的方向。對這種教程式的書來說，能由淺及深，給你翻一遍的動力的同時還告訴你延伸的方向，讓你有所得，已經不錯了。 不需要把它和教科書比，700多頁的基礎教程，過一遍，查漏補缺，也是值得的。
很精彩的書，個人覺得很多地方甚至比西瓜書講解得還清楚明白。邏輯很連貫。
全書有點散亂 適合有點基礎的人看 自我覺得分類又有點奇怪 可以在分章節的時候按照機器學習5大類分 然後做遞進和優化
寫的很詳細，適合有關相關開發經驗但是對模型細節有點模糊的人回顧一下知識