目前看到过的,算是最好的“中文”机器学习“教科书”了。
注意,这是一本“教科书”,所以其中有一些“不足”也就好理解了。
书本身没有很厚,看起来不至于压力很大。毕竟是“教科书”,每一章只有短短的几十页,结合课程用来教学是不错,但自学只看这本书估计有点不太够,可以结合coursera上Andrew Ng和林轩田的课来使用,要是这本书早点出就好了,相见恨晚。以前一直想找一本这样脉络比较好的机器学习教材,一直没找到好的。
除了前面提到的经典的公开课,顺带再介绍一些自学材料吧。EM算法“西瓜书”里只有两页,我觉得还是cs229的note讲得比较清楚。神经网络可以参考stanford的UFLDL课程,做做里面的课程实验,加深理解。类别不均衡问题,最近刚跟大牛学了EasyEnsemble这个trick,书里一句话带过,不注意可能就略过去了,这个trick还是挺简单好用的,值得了解一下。LDA可以看看"LDA数学八卦"。
跟其他书比起来,可以说各有侧重,要结合自身情况阅读。经典的PRML打印了一本,因为现在已经上班了,远水解不了近渴,看了一些,然后暂时放边上吃灰了。我这种“实践派”,还不如看sklearn的文档来得实在,毕竟要搬砖赚钱吃饭。真羡慕那些已经“深入学习PRML”的人呐!
把道理本身讲清楚是一方面,把道理讲得让别人容易懂是另一方面。所以就需要“西瓜书”绪论那样的引子和西瓜这种通俗易懂的例子。有人说李航的《统计学习方法》适合入门,我自己刚刚入门的时候倒觉得不好懂,不过后面开始摸着门道之后倒觉得不错,把原理和式子列一列,然后再举个例子,就差不多了。不需要太多“废话”。
反正这些书都是好书,但适合不同的段位和需求的人。有时间的话,多看看,从不同角度加深理解也是极好。
书本身没有很厚,看起来不至于压力很大。毕竟是“教科书”,每一章只有短短的几十页,结合课程用来教学是不错,但自学只看这本书估计有点不太够,可以结合coursera上Andrew Ng和林轩田的课来使用,要是这本书早点出就好了,相见恨晚。以前一直想找一本这样脉络比较好的机器学习教材,一直没找到好的。
除了前面提到的经典的公开课,顺带再介绍一些自学材料吧。EM算法“西瓜书”里只有两页,我觉得还是cs229的note讲得比较清楚。神经网络可以参考stanford的UFLDL课程,做做里面的课程实验,加深理解。类别不均衡问题,最近刚跟大牛学了EasyEnsemble这个trick,书里一句话带过,不注意可能就略过去了,这个trick还是挺简单好用的,值得了解一下。LDA可以看看"LDA数学八卦"。
跟其他书比起来,可以说各有侧重,要结合自身情况阅读。经典的PRML打印了一本,因为现在已经上班了,远水解不了近渴,看了一些,然后暂时放边上吃灰了。我这种“实践派”,还不如看sklearn的文档来得实在,毕竟要搬砖赚钱吃饭。真羡慕那些已经“深入学习PRML”的人呐!
把道理本身讲清楚是一方面,把道理讲得让别人容易懂是另一方面。所以就需要“西瓜书”绪论那样的引子和西瓜这种通俗易懂的例子。有人说李航的《统计学习方法》适合入门,我自己刚刚入门的时候倒觉得不好懂,不过后面开始摸着门道之后倒觉得不错,把原理和式子列一列,然后再举个例子,就差不多了。不需要太多“废话”。
反正这些书都是好书,但适合不同的段位和需求的人。有时间的话,多看看,从不同角度加深理解也是极好。
有关键情节透露