机器学习基础：从入门到求职
胡欢武编著
3372人在读
15.6万字总字数
¥62.3定价
胡欢武编著
本书是一本机器学习算法方面的理论+实践读物，主要包含机器学习基础理论、回归模型、分类模型、聚类模型、降维模型和深度学习模型六大部分。机器学习基础理论部分包含第1、2章，主要介绍机器学习的理论基础和工程实践基础。第3章是回归模型部分，主要包括模型的建立、学习策略的确定和优化算法的求解过程，最后结合三种常见的线性回归模型实现了一个房价预测的案例。第4至11章详细介绍了几种常见的分类模型，包括朴素贝叶斯模型、K近邻模型、决策树模型、Logistic回归模型、支持向量机模型、随机森林模型、AdaBoost模型和提升树模型，每一个模型都给出了较为详细的推导过程和实际应用案例。第12章系统介绍了五种常见的聚类模型，包括K-Means聚类、层次聚类、密度聚类、谱聚类和高斯混合聚类，每一个模型的原理、优缺点和工程应用实践都给出了较为详细的说明。第13章系统介绍了四种常用的降维方式，包括奇异值分解、主成分分析、线性判别分析和局部线性嵌入，同样给出了详细的理论推导和分析。最后两章分别是词向量模型和深度神经网络模型，其中，词向量模型详细介绍了Word2Vec和Doc2Vec模型的原理推导和应用；深度神经网络模型系统介绍了深度学习相关的各类基础知识。
推荐这本书。机器学习中各个模型的核心思想，基本流程都介绍的简单明了又清晰，全文也沒有出现什么明显的错误之处，可以无聊地时候翻看，以巩固一些基础的理论知识。
上完Andrew的课再来看这本书，差距很明显：重点不突出，实际应用细节讲的少，分类很散，框架搭的不好。
值得一读，逻辑很好，就是错误太多
入门级的好书，能让读者对机器学习有个整体的理解
概念清晰，主要讲数学原理，适合复习速查
从数学原理讲解切入，再到示例，编纂形式很好，但是，最大的不好有两点，这也是我给评低分的原因: 第一，没有配套的代码资源和数据包； 第二，示例明显代码明显是应付copy过来的，我敲了所有的示例代码，很多错误，很多更新错误，也就是说作者是直接把老的代码copy过来用的，完全没有根据TensorFlow的更新进行调整，作为2019年出版的书，有些错误甚至在2018年初就该调整了。
推荐有基础的看 有些东西解释的如隔靴搔痒，很多东西要边看边查资料。有些推理过程不够清楚，但有。 这些缺点可以说是瑕不掩瑜，这本书知识结构和深入程度都不错，即使有不清楚的地方也给了查资料的方向。对这种教程式的书来说，能由浅及深，给你翻一遍的动力的同时还告诉你延伸的方向，让你有所得，已经不错了。 不需要把它和教科书比，700多页的基础教程，过一遍，查漏补缺，也是值得的。
很精彩的书，个人觉得很多地方甚至比西瓜书讲解得还清楚明白。逻辑很连贯。
全书有点散乱 适合有点基础的人看 自我觉得分类又有点奇怪 可以在分章节的时候按照机器学习5大类分 然后做递进和优化
写的很详细，适合有关相关开发经验但是对模型细节有点模糊的人回顾一下知识