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