机器学习实战的书评 (25)
某狐
你们应当让机器说人话，而不是说鬼话
特别适合新手，特别适合新手，特别适合新手。长度适中，举例形象，概念浅显通俗。难得有一个条理清楚 逻辑不迷糊 不堆砌代码打哈哈的书。基于这个理由bonus给五星，以后给别人推荐就这本了。 尤其是前面几章，介绍机器学习的基本概念。作者给我们指明了一个做ML的基本要求：“...
(展开)
Rylynn
分享一下书上的数据与源码（基于Python3）
原书的案例、数据和代码（我自己基于Python3写的）都放在这里啦： https://github.com/Y1ran/Machine-Learning-in-Action-Python3 ，大家可以参考一下，记得star哦 PS. 忍不住吐槽：原书本来的代码除了简单易懂，实在找不出其他优点了。。 PSS.目前还在读，这个月会慢慢写完的...
(展开)
何磊
Manning Publications2012版
看机器学习困了累了，就玩玩这本实验指导书吧
1. 这本书的价值是提供了一系列有趣的「实验作业」和「对应的数据」，以及乱七八糟的 Python 代码，迫使读者在同样数据集上自己写一个更好的。 2. 作者的 Python 代码写得真的真的很渣。 3. 作者的 SVM 写错了，不是 Platt 的原始 SMO 算法，里面的 error cache 形同虚设。 ...
(展开)
Stanley
如果你有编程经验，而且是机器学习的入门者，这本书适合你
如果你是机器学习的入门者，如果你想快速看到算法的执行效果，那么这本书适合你。 作者把算法的基本原理讲的很清楚，而且代码是完整可执行的。当然，如果你想了解算法背后的数学原理，还需要花时间去复习一下概率论、高等数学和线性代数。 BTW：读者最好有编程经验，有抽象思维。
(展开)
佘田
初学者可以配合51cto上的唐宇迪的教程看
纯属好奇机器学习是怎么回事，虽然是coding渣，冲着现在三分热情在慕课上补了下python的基础知识。就跑来看实战。 下了kiddle版和pdf版本的看了第一章节，大学的矩阵相加，相减，相乘都忘光了， numpy的各个函数也不熟。看的很打击积极性。 遂又上51cto上 又搜机器学习的相关...
(展开)
有偿编程
机器学习的关键还是数学基础
机器学习是概率统计的高级应用，数学知识很重要，要先掌握的先修课程有，微积分，线性代数，概率统计，多元微积分，微分方程，离散数学，数值分析，最优化，数学建模，掌握机器学习和深度学习算法，还有熟悉一种编程语言，有了这些基础，才能得心应手，机器学习主要应用在数据...
(展开)
skedin
Manning Publications2012版
Machine Learning不大可能在一本書做到深入淺出
Machine Learning這門科學範圍很大，不大可能有一本書能在這個主題面面俱到。初學者需要先了解機器學習的範圍，再比較淺顯的去知道背後的理論基礎，之後再儘可能挖掘每一種算法的形成與直觀意義。在我閱讀過的機器學習書籍中，這本書與O'Reilly的Data Science From Scratch比較...
(展开)
BillyJHee
个人觉得是机器学习里最接近实践的书了
尽管评论里对这本书褒贬不一，我觉得这些都是根据每个人不同的能力背景出发而给的评论。而对于我这样能力的人来说，这本书可以说是最适合了。我是什么能力状况呢，计算机专业背景，有那么几年开发经验，但是机器学习方面是小白。 看这本书需要一定的编程经验，但不需要很强，...
(展开)
起个名还要四个
光看这本书肯定 只会算法 不会原理
理论没讲太明白，直接上算法，甚至还有公式缺失，代码不敢恭维 就像大家说的一样 先看看线性代数、概率论、统计学再来看看这书吧 我这10多年 php、java、c#、js通吃，本想python应该不难，竟然代码部分有东西看不懂了，不得不拿起本python的书对着看...
(展开)
DeepSci
阿里达摩院：超大规模图神经网络系统将赋予机器常识
人工智能的脉络 机器学习是人工智能的一个分支。 人工智能的研究历史有着一条从以“推理”为重点，到以“知识”为重点，再到以“学习”为重点的自然、清晰的脉络。 机器学习是实现人工智能的一个途径，即以机器学习为手段解决人工智能中的问题。 从学习方式来讲，机器学习包括...
(展开)
孙悟空织毛衣
一本失败的机器学习入门书
客观说，完全不能当入门书。 缺少必要的证明过程，有些甚至连公式都没有。 我觉得既然要学习机器学习，光改改代码完全是不够的，起码还得知道各个算法的基本公式和过程，不幸的是，这本书没有。 就比如逻辑斯蒂回归那章，他连损失函数都没提，就开始说梯度法了。问题是梯度法的...
(展开)
