作者:
[美]克里斯·阿尔本(Chris Albon)
出版社: 人民邮电出版社
出品方: 异步图书
出版年: 2024-12
页数: 106
定价: 49.00元
装帧: 平装
ISBN: 9787115649997
出版社: 人民邮电出版社
出品方: 异步图书
出版年: 2024-12
页数: 106
定价: 49.00元
装帧: 平装
ISBN: 9787115649997
内容简介 · · · · · ·
本套漫画小抄准确解释了机器学习领域的106个重要概念,覆盖从随机森林到神经网络的各种算法。每张漫画小抄介绍一个重要概念,通过简明扼要的语言、易懂易记的插图、简洁明晰的排版布局,生动地呈现了每一个概念的思想内核,能帮助读者快速高效地理解与记忆。
本套漫画小抄适合所有机器学习的爱好者阅读,尤其是那些希望进一步了解机器学习概念的读者,包括高等院校计算机相关专业的大学生、研究生,计算机应用相关领域的研发人员与算法工程师等。
作者简介 · · · · · ·
[美]克里斯·阿尔本(Chris Albon)
Chris Albon博士是维基媒体基金会机器学习主管,曾经创立了一家数据可视化公司,也是一位在数据科学领域享有盛誉的专家,他不仅在学术界有着丰富的研究经验,更是一位乐于分享知识的教育者。Chris Albon在O'Reilly公司出版的《Machine Learning With Python Cookbook》被誉为数据工程师必备的参考书,亚马逊4.6星,中文版《Python机器学习手册》开卷监控销售1万册。
目录 · · · · · ·
单位归一化1
Tomek链接2
上采样3
数据增强4
下采样5
最小-最大缩放6
独热编码7
插补法8
基于k-NN的插补法9
学习曲线10
假阳性率11
闵可夫斯基距离12
学习率13
布里尔分数14
分类15
假阴性率16
训练误差率17
曲线下面积18
F1分数19
模型复杂度对偏差和方差的影响20
没有免费午餐定理21
预处理训练集和测试集22
深度双重下降23
主成分分析24
超参数VS参数25
损失函数的最小值26
模型一致性27
模型复杂度28
特征重要性29
机器学习中的“学习”意味着什么?30
泛化31
训练集,验证集和测试集32
过拟合与欠拟合33
袋外误差34
决策树35
决策树回归36
随机森林37
随机森林中的基尼系数38
特征缩放对梯度下降的影响39
正则化40
C,正则化强度的倒数41
早停法42
弹性网络43
Dropout44
权重衰减45
HingeLoss46
均方误差47
Kullback-Leibler散度损失48
二元交叉熵损失49
分类交叉熵损失50
损失函数51
Boosting52
弱学习器53
AdaBoost54
bagging算法55
集成方法56
神经网络参数随机初始化57
深度网络的目的58
指数线性单元59
神经元60
隐藏层61
LeakyReLU62
NoisyReLU63
梯度裁剪64
反向传播65
Epoch66
梯度悬崖67
常见的输出层激活函数68
梯度下降法69
线性激活函数70
小批量71
梯度爆炸72
Sigmoid激活函数73
Tanh激活函数74
深度学习的动机75
修正线性单元76
DBSCAN77
k-NN算法78
K均值聚类79
k-NN邻域大小80
线性判别分析81
核主成分分析82
均值漂移聚类83
偏差-方差权衡84
偏差85
偏差直觉86
贝叶斯误差87
大O表示法88
混淆矩阵89
动量随机梯度下降90
随机梯度下降91
RMSprop优化器92
特征选择策略93
准确率94
分类特征95
L1范数96
L2范数97
维度灾难98
特征矩阵99
自助采样法100
MNIST数据集101
词袋102
K折交叉验证103
超参数调优104
网格搜索105
错误类型106
· · · · · · (收起)
Tomek链接2
上采样3
数据增强4
下采样5
最小-最大缩放6
独热编码7
插补法8
基于k-NN的插补法9
学习曲线10
假阳性率11
闵可夫斯基距离12
学习率13
布里尔分数14
分类15
假阴性率16
训练误差率17
曲线下面积18
F1分数19
模型复杂度对偏差和方差的影响20
没有免费午餐定理21
预处理训练集和测试集22
深度双重下降23
主成分分析24
超参数VS参数25
损失函数的最小值26
模型一致性27
模型复杂度28
特征重要性29
机器学习中的“学习”意味着什么?30
泛化31
训练集,验证集和测试集32
过拟合与欠拟合33
袋外误差34
决策树35
决策树回归36
随机森林37
随机森林中的基尼系数38
特征缩放对梯度下降的影响39
正则化40
C,正则化强度的倒数41
早停法42
弹性网络43
Dropout44
权重衰减45
HingeLoss46
均方误差47
Kullback-Leibler散度损失48
二元交叉熵损失49
分类交叉熵损失50
损失函数51
Boosting52
弱学习器53
AdaBoost54
bagging算法55
集成方法56
神经网络参数随机初始化57
深度网络的目的58
指数线性单元59
神经元60
隐藏层61
LeakyReLU62
NoisyReLU63
梯度裁剪64
反向传播65
Epoch66
梯度悬崖67
常见的输出层激活函数68
梯度下降法69
线性激活函数70
小批量71
梯度爆炸72
Sigmoid激活函数73
Tanh激活函数74
深度学习的动机75
修正线性单元76
DBSCAN77
k-NN算法78
K均值聚类79
k-NN邻域大小80
线性判别分析81
核主成分分析82
均值漂移聚类83
偏差-方差权衡84
偏差85
偏差直觉86
贝叶斯误差87
大O表示法88
混淆矩阵89
动量随机梯度下降90
随机梯度下降91
RMSprop优化器92
特征选择策略93
准确率94
分类特征95
L1范数96
L2范数97
维度灾难98
特征矩阵99
自助采样法100
MNIST数据集101
词袋102
K折交叉验证103
超参数调优104
网格搜索105
错误类型106
· · · · · · (收起)
喜欢读"机器学习漫画小抄"的人也喜欢 · · · · · ·
-
- 深度学习详解 8.8
-
- 动手学机器学习 8.6
-
- 动手学强化学习 8.5
-
- 零基础学机器学习 9.1
-
- GPT图解 8.2
-
- Python神经网络编程 9.2
-
- 人工智能(第4版) 9.2
-
- MySQL是怎样运行的 9.4
-
- 图解设计模式 8.9
机器学习漫画小抄的书评 · · · · · · ( 全部 26 条 )


别具一格的外观尺寸,与众不同的思路
这篇书评可能有关键情节透露
主要是 通过别具一格的外观尺寸,与众不同的思路,体现了本书的特色!值得关注,方便学习和携带!本套漫画小抄准确解释了机器学习领域的106个重要概念,覆盖从随机森林到神经网络的各种算法。每张漫画小抄介绍一个重要概念,通过简明扼要的语言、易懂易记的插图、简洁明晰的排... (展开)
《机器学习漫画小抄》:开启AI世界的轻松指南
在当今时代,AI人工智能无疑是最炙手可热的话题,它如同一股无形的力量,悄然渗透进我们生活的方方面面。从智能手机的语音助手,到电商平台的个性化推荐,AI大模型的身影无处不在。然而,对于大多数普通人来说,尽管频繁接触到AI的应用,却对其背后复杂的原理和技术一无所知,...
(展开)
> 更多书评 26篇
论坛 · · · · · ·
在这本书的论坛里发言以下书单推荐 · · · · · · ( 全部 )
- 工作后购书目录 (张小国)
- ai学习 (醉花阴)
- AI领域的100本书 (方馨)
- 2024异步新书十大好书 (Childchen)
- 大脑与神经的数字化----数字化核心1 (小毛叔)
谁读这本书? · · · · · ·
二手市场
· · · · · ·
- 在豆瓣转让 有71人想读,手里有一本闲着?
订阅关于机器学习漫画小抄的评论:
feed: rss 2.0
0 有用 泛泛读书 2025-01-03 11:34:26 江西
机器学习是一场关于人与数据、理性与感性的深刻对话,它让我们在探索未知的同时,也不断反思自我、认识世界
1 有用 JUN 2024-12-05 11:03:21 天津
《机器学习漫画小抄》是一本别具一格的机器学习入门读物。与传统的枯燥教材不同,它以漫画的形式呈现复杂的机器学习知识,让人眼前一亮。 书中通过生动形象的漫画人物和简洁易懂的对话,将机器学习的基础概念、算法原理等内容巧妙地展现出来,大大降低了学习门槛,即使是没有深厚数学和编程基础的读者,也能轻松理解。比如在讲解决策树算法时,用一棵形象的树状图来展示分类过程,一目了然。 而且,它的内容编排合理,从基础到进... 《机器学习漫画小抄》是一本别具一格的机器学习入门读物。与传统的枯燥教材不同,它以漫画的形式呈现复杂的机器学习知识,让人眼前一亮。 书中通过生动形象的漫画人物和简洁易懂的对话,将机器学习的基础概念、算法原理等内容巧妙地展现出来,大大降低了学习门槛,即使是没有深厚数学和编程基础的读者,也能轻松理解。比如在讲解决策树算法时,用一棵形象的树状图来展示分类过程,一目了然。 而且,它的内容编排合理,从基础到进阶,逐步引导读者深入学习。每个知识点都配有相应的漫画示例和简短的文字说明,便于读者快速掌握重点。 此外,这本书还具有很强的趣味性和可读性,让学习机器学习不再是一件痛苦的事,而是一种享受。它适合想要快速了解机器学习基础知识的初学者,以及希望在轻松氛围中复习和巩固知识的学习者。 (展开)
0 有用 Childchen 2024-12-04 22:41:30 北京
图文并茂,而且都是手绘图,非常适合初学者。
0 有用 生旦净末你 2025-01-23 16:48:13 陕西
的确对得起小抄这个名字,每一页都差不多巴掌大小而且彩印的漫画看起来非常简洁明了。简明扼要易懂是这本书的最大特色,但并不适合机器入门的第一本书,更适合对机器学习有一定了解和学习过其他入门机器学习的书后再来看,这样会对机器学习的相关重点概念的记忆更加深刻。
0 有用 lgl88911 2024-12-22 23:58:35 四川
果然是小抄,知识点被拆分成卡片,一面图解公式,一面概念说明,适合用来记忆或者查询内容,不适合系统性学习。卡片质量不错。