機器學習實戰
Peter Harrington
7922人在讀
22.1萬字總字數
¥40定價
Peter Harrington
機器學習是人工智能研究領域中一個極其重要的研究方向，在現今的大數據時代背景下，捕獲數據並從中萃取有價值的信息或模式，成爲各行業求生存、謀發展的決定性手段，這使得這一過去爲分析師和數學家所專屬的研究領域越來越爲人們所矚目。本書第一部分主要介紹機器學習基礎，以及如何利用算法進行分類，並逐步介紹了多種經典的監督學習算法，如k近鄰算法、樸素貝葉斯算法、Logistic迴歸算法、支持向量機、AdaBoost集成方法、基於樹的迴歸算法和分類迴歸樹（CART）算法等。第三部分則重點介紹無監督學習及其一些主要算法：k均值聚類算法、Apriori算法、FP-Growth算法。第四部分介紹了機器學習算法的一些附屬工具。全書通過精心編排的實例，切入日常工作任務，摒棄學術化語言，利用高效的可複用Python代碼來闡釋如何處理統計數據，進行數據分析及可視化。通過各種實例，讀者可從中學會機器學習的核心算法，並能將其運用於一些策略性任務中，如分類、預測、推薦。另外，還可用它們來實現一些更高級的功能，如匯總和簡化等。
是要學機器學習的很不錯的一本入門書籍
本書無疑是很不錯的一本關於機器學習的入門書。有基本的理論，有流行的幾大算法的介紹，關鍵是還有代碼實踐，且代碼能運行，可調試。 代碼不復雜，在Jupyter下，在線編輯，非常容易搞懂。 幾點改進意見：代碼風格一般，但能看懂；算法描述的章節安排和標題都比較隨意，但能懂意思；語言描述也比較隨意。但，算是比較“老”的編程書籍中還能有較長生命力的書了。 值得翻一翻。
本書較爲系統的介紹了機器學習最常用的基礎算法..雖然從原理上來說可能講的並不是特別清晰明瞭，且存在一定的錯誤瑕疵，但其注重實踐，有較多代碼實現，不失爲一本好書。
看了挺久的，要花更多的時間，研究代碼的實現。
第一本機器學習實戰書籍，五星推薦！
我是學完機器學習理論，python語法，numpy之後想自己實現一些機器學習算法和簡單開發流程，數學向量化計算怎麼用程序表示，如果跟我情況差不多我還是挺推薦這本書的。要是直接想使用模型那還是推薦寫關於sklearn，pytorch之類的書籍好些。
他覺得這本書值得一看！ 關於線性模型部分覺得挺好的，嶺迴歸與lasso這回加深了理解！還是需要時不時使用加深理解。 乾貨挺多，系列又增加一本。 感覺自己還需要看。
做爲一本“實戰”書，不苛求理論講解有多深入淺出，代碼質量差勁卻是致命的缺點，不符合PEP8規範，不會用列表推導式和第三方庫函數，導致矩陣操作冗長且不直觀，還通通from numpy import * 只能說在ML學習資料空前豐富的今天，有很多比這本書更好的選擇
這本書的代碼質量尤其差。即使考慮到2012年Python3還沒有開始流行，Numpy各種操作也不成熟，依然有非常多基本規範和方法的錯誤。作爲實戰類書籍卻在實戰上不堪如此，實在一般。
比較容易入門，但需要python的基礎，最好能跟着碼代碼