机器学习系统设计•短评
-
0 Matrix 2015-09-29
hands on的书,实践派, 基本无理论,适合enable。
-
0 大猫桑 2016-01-27
主要依赖scikit-learn、numpy、scipy、matplotlib这些库,分类的评估写的比较细致
-
0 cloud 2017-02-19
本来以为这本书是边干边学性质的,在学习第一章、第二章的时候有这种错觉,觉得自己能跟得上。后来发现,后面的章节升级曲线非常扯淡,一会儿特别难,一些地方又简单的,作者真的指望读者看他后面的代码能熟练掌握、灵活运用么?有些简单的部分直接是抄的sklearn官方的包库讲解。所以,虽然我很差,但这本书这样写的话,也很不负责任啦
-
0 kangsgo 2017-04-02
学之前最好把numpy,scipy和sklearn看懂,否则学的比较困难
-
0 豆邮 (65535) 2016-05-02
回归介绍的全是线性回归…
-
0 纳什均衡 2015-03-31
一个case都没有动手去实现的我最后还是忍不住mark一个已读…
-
0 舟行 2014-09-07
简单过了一遍,主要是了解有哪些纬度和实现了什么效果。 这本书没有涉及任何理论行的东西,如果不是照着例子来实验的话,价值不大。 关键问题之一:了解每种方法的适用场景、效果、优点和缺点
-
0 紫狐狸 2014-10-09
写得过于简略,不如机器学习实践+gensim资料来得实用。这些书真是越来越水。
-
0 Aull 2015-07-12
比较偏向算法的思路与实现,具体代码不多
-
0 乌拉 2015-12-31
hands-on, entry-level
-
0 张俊 2016-08-26
例子设计的很好,但是对照书本和代码看有些乱
-
0 amnesiac 2015-09-26
翻译有点扯,入门必备
-
0 三次方根 2016-01-24
非常in action,适合做工具缩影,摸清楚理论还是算了吧。
-
0 melete 2016-06-10
偏重讲述算法之外而又关键的细节,从目标出发,包括特征选择,模型间对比等,和实战篇互补学习刚刚好
-
1 走着 2016-06-03
各种理论工具(机器学习算法、python、scikit-learn、nltk、numpy)过了一遍之后,看这本书的实际应用,指导思路,非常舒心。因为这本书既不讲理论算法,也不系统介绍工具应用,就是讲怎么用工具、算法一系列的武器去解决问题,解决问题过程中碰到问题,再怎么思考变换方法,力求达到解决问题的效果。所以感觉起来,不是用来入个门的书,而是在一定基础之后,将各个板块(算法、工具)串一串,了解解决问题的思路。
-
0 ␀ 2017-03-16
结合实例用到工作上实践,效果尤佳
书名: 机器学习系统设计
作者:
出版社: 人民邮电出版社
原作名: Building Machine Learning Systems with Python
译者: 刘峰 | Luis Pedro Coelho
出版年: 2014-7-1
页数: 210
定价: CNY 49.00
装帧: 平装
ISBN: 9787115356826