机器学习实践指南：案例应用解析
麦好
2080人在读
26.8万字总字数
¥25定价
麦好
《机器学习实践指南：案例应用解析》是机器学习及数据分析领域不可多得的一本著作，也是为数不多的既有大量实践应用案例又包含算法理论剖析的著作，作者针对机器学习算法既抽象复杂又涉及多门数学学科的特点，力求理论联系实际，始终以算法应用为主线，由浅入深以全新的角度诠释机器学习。全书分为准备篇、基础篇、统计分析实战篇和机器学习实战篇。准备篇介绍了机器学习的发展及应用前景以及常用科学计算平台，主要包括统计分析语言r、机器学习模块mlpy和neurolab、科学计算平台numpy、图像识别软件包opencv、网页分析beautifulsoup等软件的安装与配置。基础篇先对数学基础及其在机器学习领域的应用进行讲述，同时推荐配套学习的数学书籍，然后运用实例说明计算平台的使用，以python和r为实现语言，重点讲解了图像算法、信息隐藏、最小二乘法拟合、因子频率分析、欧氏距离等，告诉读者如何使用计算平台完成工程应用。最后，通过大量统计分析和机器学习案例提供实践指南，首先讲解回归分析、区间分布、数据图形化、分布趋势、正态分布、分布拟合等数据分析基础，然后讲解神经网络、统计算法、欧氏距离、余弦相似度、线性与非线性回归、数据拟合、线性滤波、图像识别、人脸辨识、网页分类等机器学习算法。此书可供算法工程师、IT专业人员以及机器学习爱好者参考使用。
本书理论知识很少，侧重Python编程案例。与其说是机器学习，不如说是Python语言实例教程。
重点方法和函数有很多错误，显得很不专业，很不严谨。用一大篇幅写python语言及相关使用，而且错误百出。
理论建议看周志华的《机器学习》，实践看《机器学习实战》，用的也是Python。
机器学习入门的好书，学好机器学习，数学水平和基础至关重要，重新拿起大学时的函数，线性代数，离散数学，概率统计啃起来。
本章节讲的一般，好多地方该细讲的没有细讲该略过的没有略过，感觉思路有点乱，容易把人思路带偏，没有《机器学习实战》讲的精炼透彻
感觉是本不错的机器学习入门教程，相关的数学基础基本涵盖到了，比如线性代数，梯度下降，最小二乘等，不过感觉列出的相关知识明显滞后，看上去并不像14年写的书，连卷积都没讲到
看到90页，作为文科生不得不弃坑了，评5星是因为后面看不懂了，所以不明觉厉。
看到这本书，我感觉自己文盲了[流泪]
通俗易懂，文章结构划分也很合理，数学基础好的人看这书会更舒畅一下
指南，不客气的话就是文献综述，还不是很切题的那种，我觉得先把理工的数学学好了，再看相关教材，就不要看此类书了