《机器学习》是一本由(美)Drew Conway / John Myles Whit著作,机械工业出版社出版的平装图书,本书定价:69.00元,页数:320,特精心从网络上整理的一些读者的读后感,希望对大家能有帮助。
《机器学习》读后感(一):还算不错的有关机器学习方面的书
对于机器学习,一直困惑于缺乏实践,缺少可操作的入手点。也一直在读理论理论,有种总是在打敲边鼓的感觉。本书举了不少例子,基于R语言的,终于看到一些实际的例子了。或许以后可以找出其中一个例子进行学习。总体来说,这本书还行,还是有可读性的。
《机器学习》读后感(二):还算不错的有关机器学习方面的书
对于机器学习,一直困惑于缺乏实践,缺少可操作的入手点。也一直在读理论理论,有种总是在打敲边鼓的感觉。本书举了不少例子,基于R语言的,终于看到一些实操的例子了。或许以后可以找出其中一个例子进行学习。总体来说,这本书还行,还是有可读性的。
《机器学习》读后感(三):非常满意的一本书
书读了近半本,回来书评。
这本书内容我认为很好,排版也很不错。排版不多说,在同时接触与处理数学公式、代码与伪代码、众多图表时难免会有一些头大,但这本书我认为是我见过很多书中排版最容易接受的一种;
内容上,当初买时的初心不少,想入门机器学习,掌握python的代码实现,入门数据分析,还想为建模做准备,这本书无一例外全部涵盖到了,从内心来讲是非常满意的。
同时给其他想买的人一个建议,最好在具备一定python编程基础和最基本的数学功底(包括高数、线代、概率论)后再入手,不然在理解概率论上会很费劲,理解代码又很费劲,进而容易选择放弃。给作者大大真心点个赞。
《机器学习》读后感(四):kaggle案例实战班视频下载
这本书还可以,虽然比较基础。
本书的三个关键词,python,机器学习和kaggle都是极其热门的,而且应该是市面上介绍kaggle的首批出版书籍。本书有数位牛人写推荐语,作者写书的态度也是认真的,但是对于入门python,入门机器学习都不太适合,市面上有更好的书籍。对于入门“如何用python做kaggle上的一些入门机器学习项目“,作者做了积极和值得肯定的努力
《机器学习》读后感(五):机器学习
这本书为机器学习技术提供了一些非常棒的案例研究。它并不想成为一本关于机器学习的工具书或者理论书籍,它注重的是一个学习的过程,因而对于任何有一些编程背景和定量思维的人来说,它都是不错的选择。
——Max Shron OkCupid
机器学习是计算机科学和人工智能中非常重要的一个研究领域,近年来,机器学习不但在计算机科学的众多领域中大显身手,而且成为一些交叉学科的重要支撑技术。本书比较全面系统地介绍了机器学习的方法和技术,不仅详细阐述了许多经典的学习方法,还讨论了一些有生命力的新理论、新方法。
全书案例既有分类问题,也有回归问题;既包含监督学习,也涵盖无监督学习。本书讨论的案例从分类讲到回归,然后讨论了聚类、降维、最优化问题等。这些案例包括分类:垃圾邮件识别,排序:智能收件箱,回归模型:预测网页访问量,正则化:文本回归,最优化:密码破解,无监督学习:构建股票市场指数,空间相似度:用投票记录对美国参议员聚类,推荐系统:给用户推荐R语言包,社交网络分析:在Twitter上感兴趣的人,模型比较:给你的问题找到最佳算法。各章对原理的叙述力求概念清晰、表达准确,突出理论联系实际,富有启发性,易于理解。在探索这些案例的过程中用到的基本工具就是R统计编程语言。R语言非常适合用于机器学习的案例研究,因为它是一种用于数据分析的高水平、功能性脚本语言。
本书主要内容:
·开发一个朴素贝叶斯分类器,仅仅根据邮件的文本信息来判断这封邮件是否是垃圾邮件;
·使用线性回归来预测互联网排名前1000网站的PV;
·利用文本回归理解图书中词与词之间的关系;
·通过尝试破译一个简单的密码来学习优化技术;
·利用无监督学习构建股票市场指数,用于衡量整体市场行情的好坏;
·根据美国参议院的投票情况,从统计学的角度对美国参议员聚类;
·通过K近邻算法构建向用户推荐R语言包;
·利用Twitter数据来构建一个“你可能感兴趣的人”的推荐系统;
·模型比较:给你的问题找到最佳算法。