机器学习实战
Peter Harrington
7922人在读
22.1万字总字数
¥40定价
Peter Harrington
机器学习是人工智能研究领域中一个极其重要的研究方向，在现今的大数据时代背景下，捕获数据并从中萃取有价值的信息或模式，成为各行业求生存、谋发展的决定性手段，这使得这一过去为分析师和数学家所专属的研究领域越来越为人们所瞩目。本书第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具。全书通过精心编排的实例，切入日常工作任务，摒弃学术化语言，利用高效的可复用Python代码来阐释如何处理统计数据，进行数据分析及可视化。通过各种实例，读者可从中学会机器学习的核心算法，并能将其运用于一些策略性任务中，如分类、预测、推荐。另外，还可用它们来实现一些更高级的功能，如汇总和简化等。
是要学机器学习的很不错的一本入门书籍
本书无疑是很不错的一本关于机器学习的入门书。有基本的理论，有流行的几大算法的介绍，关键是还有代码实践，且代码能运行，可调试。 代码不复杂，在Jupyter下，在线编辑，非常容易搞懂。 几点改进意见：代码风格一般，但能看懂；算法描述的章节安排和标题都比较随意，但能懂意思；语言描述也比较随意。但，算是比较“老”的编程书籍中还能有较长生命力的书了。 值得翻一翻。
本书较为系统的介绍了机器学习最常用的基础算法..虽然从原理上来说可能讲的并不是特别清晰明了，且存在一定的错误瑕疵，但其注重实践，有较多代码实现，不失为一本好书。
看了挺久的，要花更多的时间，研究代码的实现。
第一本机器学习实战书籍，五星推荐！
我是学完机器学习理论，python语法，numpy之后想自己实现一些机器学习算法和简单开发流程，数学向量化计算怎么用程序表示，如果跟我情况差不多我还是挺推荐这本书的。要是直接想使用模型那还是推荐写关于sklearn，pytorch之类的书籍好些。
他觉得这本书值得一看！ 关于线性模型部分觉得挺好的，岭回归与lasso这回加深了理解！还是需要时不时使用加深理解。 干货挺多，系列又增加一本。 感觉自己还需要看。
做为一本“实战”书，不苛求理论讲解有多深入浅出，代码质量差劲却是致命的缺点，不符合PEP8规范，不会用列表推导式和第三方库函数，导致矩阵操作冗长且不直观，还通通from numpy import * 只能说在ML学习资料空前丰富的今天，有很多比这本书更好的选择
这本书的代码质量尤其差。即使考虑到2012年Python3还没有开始流行，Numpy各种操作也不成熟，依然有非常多基本规范和方法的错误。作为实战类书籍却在实战上不堪如此，实在一般。
比较容易入门，但需要python的基础，最好能跟着码代码