機器學習實踐指南：案例應用解析
麥好
2080人在讀
26.8萬字總字數
¥25定價
麥好
《機器學習實踐指南：案例應用解析》是機器學習及數據分析領域不可多得的一本著作，也是爲數不多的既有大量實踐應用案例又包含算法理論剖析的著作，作者針對機器學習算法既抽象複雜又涉及多門數學學科的特點，力求理論聯繫實際，始終以算法應用爲主線，由淺入深以全新的角度詮釋機器學習。全書分爲準備篇、基礎篇、統計分析實戰篇和機器學習實戰篇。準備篇介紹了機器學習的發展及應用前景以及常用科學計算平臺，主要包括統計分析語言r、機器學習模塊mlpy和neurolab、科學計算平臺numpy、圖像識別軟件包opencv、網頁分析beautifulsoup等軟件的安裝與配置。基礎篇先對數學基礎及其在機器學習領域的應用進行講述，同時推薦配套學習的數學書籍，然後運用實例說明計算平臺的使用，以python和r爲實現語言，重點講解了圖像算法、信息隱藏、最小二乘法擬合、因子頻率分析、歐氏距離等，告訴讀者如何使用計算平臺完成工程應用。最後，通過大量統計分析和機器學習案例提供實踐指南，首先講解迴歸分析、區間分佈、數據圖形化、分佈趨勢、正態分佈、分佈擬合等數據分析基礎，然後講解神經網絡、統計算法、歐氏距離、餘弦相似度、線性與非線性迴歸、數據擬合、線性濾波、圖像識別、人臉辨識、網頁分類等機器學習算法。此書可供算法工程師、IT專業人員以及機器學習愛好者參考使用。
本書理論知識很少，側重Python編程案例。與其說是機器學習，不如說是Python語言實例教程。
重點方法和函數有很多錯誤，顯得很不專業，很不嚴謹。用一大篇幅寫python語言及相關使用，而且錯誤百出。
理論建議看周志華的《機器學習》，實踐看《機器學習實戰》，用的也是Python。
機器學習入門的好書，學好機器學習，數學水平和基礎至關重要，重新拿起大學時的函數，線性代數，離散數學，概率統計啃起來。
本章節講的一般，好多地方該細講的沒有細講該略過的沒有略過，感覺思路有點亂，容易把人思路帶偏，沒有《機器學習實戰》講的精煉透徹
感覺是本不錯的機器學習入門教程，相關的數學基礎基本涵蓋到了，比如線性代數，梯度下降，最小二乘等，不過感覺列出的相關知識明顯滯後，看上去並不像14年寫的書，連卷積都沒講到
看到90頁，作爲文科生不得不棄坑了，評5星是因爲後面看不懂了，所以不明覺厲。
看到這本書，我感覺自己文盲了[流淚]
通俗易懂，文章結構劃分也很合理，數學基礎好的人看這書會更舒暢一下
指南，不客氣的話就是文獻綜述，還不是很切題的那種，我覺得先把理工的數學學好了，再看相關教材，就不要看此類書了