Learning From Data•短评
-
0 I shit you not 2016-08-11
有点啰嗦 不太习惯
-
0 skyworlds 2015-03-17
本书是一门机器学习的MOOC的台湾老师参与编写的教材,作为该领域的入门读物是相当优秀。不像其它机器学习的砖头式书籍那样动不动就上千页,此书才200页,当然这也意味着其内容的深度有限。的确,书中以理论介绍为主,所涉及的面并不够穷尽,很多点也就蜻蜓点水一下。可是基础的东西在书中着实解释的不错,也就是说这是很好的入门书。现在机器学习领域发展太快,知识更新频率太高,可最基础的东西不会改变太多,所以这本书在很长时间内都是值得购买一读的。我就从美国亚马逊上买了本直接寄回国。最后吐槽一点,这种计算机技术的书在这个年代居然没有电子版,不明白作者不授权电子版的原因到底是什么?这领域的人本应该都比较欢迎出版物电子化的吧……
-
0 Apaul 2017-02-21
ML的理论基础
-
0 [已注销] 2014-03-17
主要是讲机器学习的理论的。包括为什么能学习,怎么学习,如何提高学习效率(印象中好像是这几大部分)
-
0 [已注销] 2013-08-22
太……简单……了。科普……吧?
-
2 Rebe11ion 2015-10-30
really exciting course on coursera
-
1 chenwq 2016-02-11
因为看的是原版,还挺舒服. 第一章给出学习问题的一般形式和学习问题的可行性: a) 经验风险和期望风险的gap多少; b) 经验风险能不能很小. hoeffding不等式回答了a, b则需要分析模型的归纳偏置和数据的分布是不是一致. 第二章介绍VC维, 泛化误差界, 以此定义形式化地分析模型复杂度、样本复杂度等问题; 第三章介绍工业界流行的线性模型,关于非线性变换的处理是否过度问题可以回到VC维,以理论的上界为指导,learn from data. 第四章介绍过拟合,理论分析了产生过拟合的原因,然而理论上的界过于general。模型选择时仍然是用经验风险来预估期望风险
-
0 朱凌凌00 2015-03-05
教授上课的材料汇编成书,浅显易懂,配合视频比较好
-
0 R2D2 2014-07-13
从入门学起(其实没仔细读完)
书名: Learning From Data
作者:
出版社: AMLBook
出版年: 2012-3-27
页数: 213
定价: USD 48.00
装帧: Hardcover
ISBN: 9781600490064