《Machine Learning for Hackers》是一本由Drew Conway / John Myles White著作，O'Reilly Media出版的Paperback图书，本书定价：GBP 30.99，页数：324，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。

　　《Machine Learning for Hackers》精选点评：

　　●用R描述看着比较吃力

　　●翻了下感觉内容比较简单 都是机器学习的基础算法 每章附有不太繁琐的小例子 就拿这本书当做学习R的娱乐教程好了

　　●标题党

　　●对于曾经的我，这本苏帮助还是挺大的。 不过，仅此而已了。

　　●不错的书 例子很好，就是老是运行不能能通过

　　●比起pattern recognition来说，看这个书不需要太多的理论基础了，脑子里有个概念，直接r语言上就可以了。 这个书名有点太强大了，和里面的内容不是太匹配。个人觉得如果叫做Machine Learning on R Practice更合适。 主要是算法部分太简单。

　　●好书 R语言细节很丰富 case-based很适合熟悉算法

　　●case study

　　●当成R入门回滚，其余没啥新鲜的了。

　　●非常好的R语言做机器学习的入门书，两个作者分别是学政治和心理的，尼玛这让我们学统计的情何以堪啊。

　　《Machine Learning for Hackers》读后感(一)：入门级的统计学习参考

　　非常简单的英语，非常简单的数学基础，没有数学公式，有大量的R代码，有非常浅显的机器学习的应用实例，例如垃圾邮件识别，邮件重要性排序，pv预估等等；有一些简单的模型的介绍，例如logistic regression，线性回归，多项式回归等等；有一些基础的机器学习概念的介绍，例如交叉验证和正规化，非常适合机器学习初学者，前提是，你需要一点R语言的基础。

　　《Machine Learning for Hackers》读后感(二)：评《Machine Learning for Hackers》

　　很基础的一本书，看得出作者是一个实践之上的人，凡涉及到复杂的理论推导，一律略去，告诉读者，可以去哪里找到详细的数学推导。然后具体介绍如何应用这些算法模型来解决具体的实际问题。涉及到了垃圾邮件识别（分类），邮件排序（分类），pv预估（回归），密码破译（优化），美国参议院投票倾向分析（聚类），推荐系统，社交网络分析（图算法）等等 具体问题。

　　而用到的模型基本比较基础，线性回归，logistic regression，朴素贝叶斯，knn，svm等等。

　　《Machine Learning for Hackers》读后感(三)：不错的入门读物

　　刚读完书，google了一下书评，看到有人抱怨说这本书根本不是为hacker准备的，因为会详细介绍非常基础的编程，比如讲垃圾邮件classification那一章里花了大篇幅讲string parsing。

　　看完的感觉是这本书的确不是面向programmer的，但书名其实也没错。它是一本Machine Learning 的入门读物，更适合的读者群其实是对Machine Learning感兴趣，对R有基本的了解，但对统计和编程的了解都很有限的同学。感觉这本书非常偏应用，相比于统计上的原理更偏重于介绍怎样通过代码实现，所以说叫做Machine Learning for Hackers也没错。如果用金庸小说里的说法的话，走的是剑宗的路数，而不是气宗。

　　总体来说，仍旧是本不错的入门书。书的每一章都有一个非常实用的案例，Machine Learning中一些最基本的概念都通过这些案例非常自然流畅的进行了简单的解释。再配合上随书附带的R code，可以很直观的看到实现的过程。所以还是建议在手边有电脑的时候阅读。

　　当然个人看完书的感觉是浅尝辄止，会希望对这些提到的方法能有更深的理解。本书末章推荐了两本，都是得到大家认可的经典读物：The Elements of Statistical Learning 和 Pattern Recognition And Machine Learning。 貌似两本书的起点要求都比较高，基础薄弱的同学可以先从An Introduction to Statistical Learning这本开始阅读，我之前用过这本当课本，虽然没怎么看过，但是看过的部分还是觉得不错的，而且也有配套的R code。

　　补充一句，这本书直接google就能找到，code也在github上面。