Foundations of Machine Learning
- 最新
- 热门
-
1 JK羊 2016-01-14
歪果仁的书好看,不够第一次仔仔细细的看一本英文教材还是有点困难
-
0 Needy ND 2015-07-06
难懂
-
0 姜汁面包人 2015-10-03
书的风格如标题,“基础”。作者力图从PAC理论开始将机器学习容纳进“科学”的体系当中。所以全书充满了证明和bound。这本书对于Learning Theory的入门还是很有意义的。
-
0 麦提克斯 2017-04-27
Foundations这本书真是给力,手把手教你推bound。如果以后想要懂一些learning theory,这本书是非常好的入门书。当然,只看一遍是肯定不够的,还要多读多感受。唯一缺点是typo太多,影响整体的阅读体验,希望尽快出第二版。
-
0 虫虎兽 2017-04-27
这本书里的证明大多写得很漂亮,节奏很好,喜欢。
-
0 MonteCarlo 2013-01-23
上来直接讲model comparison和learning theory。 这种编排方式真是前无古人
-
0 vincentx 2013-02-17
够不够foundation标准是读起来累不累
-
0 beren 2015-12-11
采用讲decision function, loss function, 误差分析这种比较符合一般思路的方式写的,和李航那本相比框架差不多,内容略多些,数学分析也比较多
-
0 波多野丽猪 2013-01-23
尼玛 有点难吧
-
0 极度视界 2014-02-16
有几个不错的内容
-
5 廿五 2014-10-15
入门还行,prerequsite比较少,附录里都包含了;跟Valiant一脉相承,个人觉得可以加个副标题叫“手把手教你推bound”;不适合只对应用感兴趣的读者,算法细节讨论较少,全是分析误差界;笔误略多,看之前一定把作者主页上的勘误表(不全)过一下。
-
3 谜团 2014-04-10
用PAC框架和VC理论给了BOOST和SVM坚实的基础,书中对regression那一章用PAC和VC来解释为什么需要做L1或者L2的惩罚,给了统一的理论框架,颇有启发性。缺点就是搞计算机的人数学实在是不够严谨。计算机的人的角度和统计的人的角度看同一件事情的不同看法是最有意思的。
-
3 达令你快乐吗 2016-06-05
虽然PRML已经涵盖了足够的algorithm,虽然看完此书你一样很难设计effective model,但还是强烈建议MLer在空闲之余翻翻此书。不在于里面廉价的theory和technique,而在于它较严格体现的Occam剃刀原则是贯穿ML的核心idea。
-
2 [已注销] 2014-04-16
为了复习考试把这本书翻了一遍。吐槽一下的是这书的错实在太多,多到什么程度?期末考试一道题目是,请写出课本里除了长长的两份勘误表外,剩下的错误
-
1 JK羊 2016-01-14
歪果仁的书好看,不够第一次仔仔细细的看一本英文教材还是有点困难
-
1 t君 2013-02-23
竟然有人说够不够foundation的标准是读起来累不累_(:з」∠)_ 累不爱,这本明明是继承了Leslie Valiant的衣钵给“不靠谱”的ML建立理论基础的神作,虽然小错误不少。想要不用很麻烦很累请读machine learning for dummies (虽然没有这本书?_(:з」∠)_)
-
0 Needy ND 2015-07-06
难懂
-
0 姜汁面包人 2015-10-03
书的风格如标题,“基础”。作者力图从PAC理论开始将机器学习容纳进“科学”的体系当中。所以全书充满了证明和bound。这本书对于Learning Theory的入门还是很有意义的。
-
0 麦提克斯 2017-04-27
Foundations这本书真是给力,手把手教你推bound。如果以后想要懂一些learning theory,这本书是非常好的入门书。当然,只看一遍是肯定不够的,还要多读多感受。唯一缺点是typo太多,影响整体的阅读体验,希望尽快出第二版。
-
0 虫虎兽 2017-04-27
这本书里的证明大多写得很漂亮,节奏很好,喜欢。
评价“Foundations of Machine Learning”