这本书内容介绍的比较全面,机器学习的各个方面都有所涉及,但正是因为全,此书也难免做到各个方面的深入介绍。至于翻译,个人觉得还可以,有些地方不太通顺,大部分翻译的还算可以。书中也有不少有错误的地方,包括公式,但认真阅读,这些不算大碍,应该是原作者笔误而已。我读的是中文版第二版,大致找了几个后面章节的错误,第14章中公式14-10,其中β是加法噪声的精度,应改为epsilon是加法噪声的精度。紧接着下面的一个概率p服从正太分布, p中的也相应改为epsilon. 第16章中16.5.1节链 pi(x)=P(E^+|X),应改为pi(x)=P(X|E^+). 公式16.17 P(E^- X)应改为P(E^-|X)。就先指出这几个错误吧。其他错误,也都比较容易找出。总得来说,此书作为入门还不错。其中如果对公式推导比较关心的同学,可以结合李航的统计学习方法来看。李老师书,比较注重公式推导。相关机器学习概念的解释偏少,正好与此书可以互补一下。李老师的书也堪称中文机器学习的经典著作之一。
另外,本书英文主页
introduction to machine learning
机器学习入门书籍
《机器学习导论》热门书评
-
这本书不是看不看完的问题,所以难以将其归类
81有用 5无用 gflfof 2007-09-07
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解,又从图书馆借了过来翻了第四章,顺便看了第...
-
未来的主旋律——机器学习
12有用 0无用 Alex 2012-06-27
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的历史与算法,并提供了各算法的出处与...
-
绝好的机器学习入门书籍
5有用 0无用 Linn 2007-02-08
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。不足的是所有的内容都只是intr...
-
写得挺清晰
4有用 0无用 linglongyouzhi 2012-03-13
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...
-
东西偏旧
1有用 4无用 skylian 2008-02-06
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...