Machine Learning的书评 (13)

鲁达鲁提辖 2017-05-30 04:37:18 机械工业出版社2008版

翻译有很多逻辑错误

讲PAC的7.2章节里 英文版P207原文 This definition implicitly assumes that the learner's hypothesis space H contains a hypothesis with arbitrarily small error for every target concept in C. 本来是想表达 虽未明讲,但该定义其实做了一个假定,即对于C中每个目标概...  (展开)
Basil 2013-09-03 21:56:05 机械工业出版社2008版

这本书为什么没有讲到支持向量机

如题。这本书为什么没有讲到支持向量机怎么没有呢?还是我没有看到?理论上这应该有一章来描述才对呀。之前在别的地方看到svm,有些模糊,想看看这本书怎么写的,结果居然没有。请问是在第几章?如果有的话。 另外,这本书我觉得写的非常拗口,虽然有人说这本书写得非常基础,...  (展开)
Alex 2012-06-27 21:48:13 机械工业出版社2008版

未来的主旋律——机器学习

机器学习是一门交叉学科,和数据挖掘、人工智能等都极为相似。有一种确定的预感:在未来,机器学习将成为一门历史性的学科。 这本书在两月前已细细看过,写的极为不错,在中文教学上,是已译书籍之中的最佳者,在外文书籍中也首屈一指。作者Mitchell以生动的语言阐述了机器学习...  (展开)
Joseph 2012-06-22 23:19:11

入门级好书,但是老了点

这本书是很好的 machine learing入门书,但写于1997年。虽然老是老了点,但其中对descision tree, neural network 的讲解很详细,也给出了算法发展的过程,最重要的是它处理起这两块比elements of statistical learning 要直观多了。 没有code,后面的章节可能过时了,需要参考...  (展开)
linglongyouzhi 2012-03-13 16:50:51 机械工业出版社2008版

写得挺清晰

虽然书的出版日期挺早,但是内容还是非常好的。现在很多流行算法的基础都有讲述。刚看了前六章,其中对决策树,ann的介绍很简洁明了也很容易就看清来龙去脉了。只是翻译的有些问题,貌似作者对统计不是很了解,t检验被翻译成t测试了:(不知英文版怎样有机会也要看一遍才好  (展开)
chentingpc 2011-10-01 23:56:34 机械工业出版社2008版

经典,入门好书

经典力作啊,虽然是九十年代中期写的,在全面性以及最新性方面都不是完美,但是作为入门性的教科书,非常适合自学。书中数学部分不是特别多,所以对大多数在自学中被数学绑脚的人可以不用担心,而且每一章都有参考论文,对于希望追根溯源,继续深入的同学就非常有用了。书的...  (展开)
lgjut 2011-01-19 11:40:58 机械工业出版社2008版

猎兔搜索诚聘相关开发人员

  猎兔搜索从事企业搜索,自然语言处理等软件开发。产品包括多种语言的自然语言处理和搜索系统,网站搜索和垂直搜索软件,网络信息监测软件等。服务于农业信息化,竞争情报分析等领域。      岗位要求:      1.熟悉数据结构及其实现;   2.熟悉Java或c#;   3....  (展开)
旺财 2009-12-25 15:47:01 机械工业出版社2008版

NPatternRecognizer部分内容参照这本书

国内程序员写的开源机器学习算法库NPatternRecognizer 部分内容就是参照的这本书。 NPatternRecognizer:http://npatternrecognizer.codeplex.com/  (展开)
skylian 2008-02-06 13:50:57 机械工业出版社2008版

东西偏旧

这本书有点跟不上时代了 把机器学习归结为在hypothesis space的search这一观点还是很重要很基本的  (展开)
gflfof 2007-09-07 21:39:02 机械工业出版社2008版

这本书不是看不看完的问题,所以难以将其归类

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...  (展开)
Linn 2007-02-08 01:30:17 机械工业出版社2003版

绝好的机器学习入门书籍

这本书我看过很多遍,其实这本书涵盖了很多AI相关的方法,比如ANN中有交叉验证;Bayes中有打折法等等 我觉得此书有两个特点: 1,富含作者本人独到的见解,而且写作手法很生动。 2,所有的学习方法或多或少都围绕着bias(偏置)这个概念,而bias是方法选择的最重要因素。 不足...  (展开)

订阅Machine Learning的书评