买了三个月了,竟然没看多少。说实话,这本书写的还是不错的,比很多机器学习的书都写的思路清晰和通俗易懂些,但可惜这是一本比较古老的书。这本书的内容讲的大多都是机器学习的传统算法,并没有涉及到目前比较火的深度学习算法,不过对于了解传统机器学习还是很有帮助的。
不愧是经典,读完之后很有启发。本书讲的不是具体算法的细节,而是机器学习的思想。 美中不足的是书有点旧,但不影响阅读。 最后吐槽一下网站编辑,什么“决战大数据时代”,什么“IT技术人员不得不读”。拜托不懂不要装懂好吧,如此扎实的理论,是“大数据时代”那种逻辑不通的东西能比的么。
专业性特别强,主要是方法论,介绍是什么,不涉及太多具体算法!
当真是一本入门的基础书。 机器学习这本书最早是在大二上学期接触到的,当时在与导师聊天时赵老师强烈推荐,于是借了过来,看了第一章的感觉是不可思议,怎么也无法相信西洋跳棋可以通过这种方式学来。后来由于其他的原因,就非常失败地把这本书停留在了第一章。 在下学期,对神经网络感兴趣想进行初步了解,又从图书馆借了过来翻了第四章,顺便看了第三章,因为当时跟着听人工智能课时讲到了决策树。 真正决定要把这本书坚持下去是在暑假,当时在某一个晚上看第五章时,突然有了久违的读书的感觉,于是已经有些麻木的我又拿起了纸和笔,一通推导公式后,又开始了天马行空的想像,于是这种状态一直持续到我结束了最后一章──加强学习。 读书的过程中,我对五花八门的算法产生了怀疑,本身在解决问题来看,不同算法的确有不同作用,不过在思想上来看,我们往往是有了很多的算法而没有发现到头来它们中的大多数都是等价的,它们有着一样的归纳偏执、一样的搜索空间所以也有一样的局限性。比如EBNN和二输出的神经网络。于是我自以为已经达到了一定的境界,兴奋地到处找人讲这个问题,终于在与朱师兄聊天时,我发现我原来还是停留在表层,渴望的深度,我还是没有达到。 其实直到现在我也觉得Mitchell的机器学习是一本入门书,书上的很多公式都没有严密的推导,Mitchell更多的是直观地分析这个公式为什么成立而不是去推导。但也正因为这一点,你会发现自己总是能从大师的言论中得到启发,所以这本书主要在于启发,它提供给你h函数,但最终的解你要自己设计算法去搜索。前几日借了一本现代智能算法,其中讲蚁群算法的第二部分让我非常之反感,我觉得只用数学去说明问题的人有两种,一种是对这个东西理解得太深了也太浪漫了觉得不纯用数学的话体现不出它的美,另一种是没有自己的思想只是去凑字。前者比如麦克斯韦方程,很少的。 了解了博弈论后,我会讲加强学习与纳什均衡相联系,当我学到更多的知识时,再回头,一定会有更多的发现。
好书,经典著作。书虽然不是大部头,但是讲得很全面,看完基本上能了解机器学习的专业知识
过时的书,但对于我这种新手来说非常适合,就是翻译太烂了吧
之前有一本送人了,又买了一本。虽然技术有点老,但是写的详细,对于了解机器学习的思想极有帮助。
学校做项目要用到机器学习所以买了这本书先系统的学习一下原理,还挺详细的
书本的质量一般,纸很薄,要不是后面有防伪标志,我还真以为是盗版的呢。 其他的等看完以后再评论。
机器学习。决战大数据时代,IT技术人员不得不读
书是很经典,个人感觉,这本书就是一个比较权威的OverView,能有助于你把握机器学习的全局,但是不太适合循序渐进的,边动手,边学习的风格。
里面的内容排版不错,按照理论、举例和应用三个部分讲解,个人比较喜欢!!!
装平Z装机器学习(决战大数据时代!IT技术人员10不得10N不读!)机器学习(决
作为入门的书还是很不错的,对机器学习的总体框架都介绍到了,而且很易懂
很好的机器学习的书,比较详细地讲解了智能方面的知识,需要较多的数学知识
其余用户默认给了好评
已经到底啦~
其余用户默认给了好评
已经到底啦~