因为看的是原版,还挺舒服. 第一章给出学习问题的一般形式和学习问题的可行性: a) 经验风险和期望风险的gap多少; b) 经验风险能不能很小. hoeffding不等式回答了a, b则需要分析模型的归纳偏置和数据的分布是不是一致. 第二章介绍VC维, 泛化误差界, 以此定义形式化地分析模型复杂度、样本复杂度等问题; 第三章介绍工业界流行的线性模型,关于非线性变换的处理是否过度问题可以回到VC维,以理论的上界为指导,learn from data. 第四章介绍过拟合,理论分析了产生过拟合的原因,然而理论上的界过于general。模型选择时仍然是用经验风险来预估期望风险
作者: Yaser S. Abu-Mostafa, Malik Magdon-Ismail, Hsuan-Tien Lin 副标题: A Short Course isbn: 1600490069 书名: Learning From Data 页数: 213 定价: USD 48.00 出版社: AMLBook 出版年: 2012-3-27 装帧: Hardcover
9 有用 Ms.蔬菜 2018-03-02 10:27:24
林轩田蛮强的
7 有用 友邻 2016-02-11 21:18:59
因为看的是原版,还挺舒服. 第一章给出学习问题的一般形式和学习问题的可行性: a) 经验风险和期望风险的gap多少; b) 经验风险能不能很小. hoeffding不等式回答了a, b则需要分析模型的归纳偏置和数据的分布是不是一致. 第二章介绍VC维, 泛化误差界, 以此定义形式化地分析模型复杂度、样本复杂度等问题; 第三章介绍工业界流行的线性模型,关于非线性变换的处理是否过度问题可以回到VC维,以理论的上界为指导,learn from data. 第四章介绍过拟合,理论分析了产生过拟合的原因,然而理论上的界过于general。模型选择时仍然是用经验风险来预估期望风险
8 有用 泥豆尼痘昵 2015-03-17 12:13:34
本书是一门机器学习的MOOC的台湾老师参与编写的教材,作为该领域的入门读物是相当优秀。不像其它机器学习的砖头式书籍那样动不动就上千页,此书才200页,当然这也意味着其内容的深度有限。的确,书中以理论介绍为主,所涉及的面并不够穷尽,很多点也就蜻蜓点水一下。可是基础的东西在书中着实解释的不错,也就是说这是很好的入门书。现在机器学习领域发展太快,知识更新频率太高,可最基础的东西不会改变太多,所以这本书在很长时间内都是值得购买一读的。我就从美国亚马逊上买了本直接寄回国。最后吐槽一点,这种计算机技术的书在这个年代居然没有电子版,不明白作者不授权电子版的原因到底是什么?这领域的人本应该都比较欢迎出版物电子化的吧……
4 有用 olostin 2017-06-30 21:16:22
一些面试的同学,上来就长篇大论各种算法,特别适合这本书。1.为什么学习有效;2.VC bound&bias var tradeoff;3.overfitting®ularization;4.cross validation;至少要完全懂这四个……
3 有用 pjhades 2015-10-30 12:18:47
really exciting course on coursera
4 有用 alexcl锕锂钶锶 2015-03-16 07:04:47
http://www.youtube.com/watch?v=mbyG85GZ0PI&list=PLD63A284B7615313A $28 Learning Theory in plain English reread in 8 hours
2 有用 裱糊匠 2018-05-15 04:45:45
配合林轩田的机器学习基石和机器学习技法看的.这个课林老师很用心,上过的最好的课程,和MIT的linear algebra给我的启发差不多.在频率派上把一些模型做了横向的比较和连接.课程有时候在coursera上没有,但是youtube有完整的,林老师还会对下面留言的问题一一解答.
1 有用 snowhorse712 2015-01-15 09:02:32
前三章读起来很舒服。。后面应该是换了写作者。。总体不错。。
2 有用 世界迷宫 2017-11-26 12:40:56
入门还得看原版. 比西瓜书好很多. 1. 逻辑清晰, 层层深入, 还有配套视频与练习 2. 有专门的论坛, 里面可以查阅后续部分的算法 3. 书中的练习有足够的引导, 让读者更容易理解书中内容(如果你一个个exercise完成的话)
1 有用 一笑而过 2018-03-30 13:30:25
简单易懂,当然最重要的是给你一个框架 其中的概念可以贯穿整个machine learning领域
1 有用 Akashi 2018-09-19 14:27:29
从urn model以及大数定律出发给出了如何估计generalization gap bound,不过VC维的推导放到了附录,也没有提到Rademacher complexity。总体来说是入门佳作。
0 有用 老伐开心 2015-01-20 09:55:25
林轩田的机器学习, 可怕的时间杀手, 第一遍永远云里雾里
0 有用 junjie.yao 2014-04-14 13:21:44
besides too concise and short, this is a very good book.
0 有用 R2D2 2014-07-13 23:47:24
从入门学起(其实没仔细读完)
0 有用 Wolong 2022-04-04 12:40:20
机器学习基石
0 有用 Bilionan 2022-03-06 10:03:26
好书,读英文版也不难,老师借鉴的这本书上课,但是讲的没有书好。
0 有用 1984 2022-03-07 21:03:50
真是本好书啊,排版精美,叙述井井有条,从比较偏数学的角度解释了机器学习经典模型。就是自己英语水平太烂。。。没有细读
0 有用 施威林先生 2022-01-03 11:31:11
非常简明浓缩的Learning Theory。(补标,应该是2015年读过)
0 有用 西青 2022-11-15 15:27:37 日本
非常清晰,用来入门ml非常好
0 有用 qwertyuiop123 2022-04-09 09:27:11
第二章对在没有 distribution shift 的情况下 VC generalization bound 的推导写得非常清楚