机器学习•短评
-
54 vinowan 2016-02-02
泼点冷水,大致翻了一遍,内容基本涵盖了现在常用的各种算法,但是各种算法论述比较简略,这点比李航的统计学习方法要差不少,可能周老师写这本书的目的是做教材,个人不认为适合自学
-
21 谜团 2016-08-17
懂得人不用看,不懂的人看了也不会懂,不知道为什么评价这么高,就因为排版还不错吗?
-
12 飞林沙 2016-04-18
作为教材其实需要具备三个条件:印刷排版好,语言表达好,逻辑思路好。从这三点来说,这本书都完胜李航教授的《统计学习方法》,是一本非常值得推荐给机器学习入门者梳理知识以及机器学习从业者温故知新的书。希望周老师的下本书可以增加一些自己对于模型本身的思考和理解,那一定会更受欢迎。
-
7 亲爱的猥琐猪 2016-05-08
作者前言及纠错信箱:http://cs.nju.edu.cn/zhouzh/zhouzh.files/publication/MLbook2016.htm 。可见这本书出发点就是“启蒙”,非常朴实。倒不存在和另一些书去争高下,各有特长。机器学习和很多相关领域一样,不是公式堆砌,也不是故作高深,相反,用大白话讲到尽可能多的人懂,就是好的。可以看到,很多方法除开优雅的推演,直觉上也是合理且美的。重要的是把握一个方法的思考脉络。当然,真正的学术派(论文狗)会在某些章节某些细节里会心一笑:无论自己投稿,还是审别人稿,常遇到的一些疑难被提到了,不免汗颜,不免亲切。最后,推荐主页上另一本Ensemble Methods,概括性不错。
-
5 eric 2016-02-14
大致翻了下,目前只详细看了第8章集成学习,感觉还不错,不由得拿李航的书来比较。(只谈谈我目前看到过的几点,仅供参考) ①内容方面,李的书要少于周的书,周写的内容更多一些。 ②由于只看了第八章,两者关于adaboost的公式讲解都差不多,但是李航的书有例题,一步步的计算。周的书没有例子,但是有一些在相同数据集上不同参数的比较图。 ③周的书有个好处就是,行文中穿插了各个算法的来龙去脉,有点历史的感觉。 ④参考文献两本书都有,这点就不比较了。 ⑤最后一点,周的书比李航的书要厚许多,也是彩印,内容当然也要涵盖很多,但是不能说周的书是包含了李航的书,我的建议是两本都可以看看,都是不错的读物。
-
5 麦提克斯 2016-01-14
有幸在出版前读过draft,可以说是国内机器学习最好的教材,讲解十分详细,读起来非常有收获。参考资料可见此书的主页http://cs.nju.edu.cn/zhouzh/zhouzh.files/publication/MLbook2016.htm
-
4 onemach 2016-04-01
手撕SVM,数据挖掘面试必备
-
4 霄北北 2016-06-05
这是一本可以让你读下去,学下去的入门好书
-
2 刘牛六 2016-12-15
虚高
-
2 R2D2 2016-04-16
第一遍:2016-03-05~04-16
-
2 Enigma 2017-01-06
内容很全面,涵盖了绝大多数热门算法与模型。可惜讲的太过粗糙,没有完整的数学推导,不适合没有基础的人看。比起教科书更像是本“导读”。用作梳理知识点,准备面试还是不错的。
-
2 风的尾巴 2016-06-14
买了本来提升逼格,结果只能看懂科普部分,我这学渣。
-
2 melete 2016-07-02
简明而深刻,厚积薄发的评注非常开拓思维,多是游刃有余之后才可得出的见解,受益匪浅,我觉得给六星也不夸张,论述很系统很全面,对知识领域一览无余、豁然开朗的感觉真好
-
1 小白 2016-09-06
假期抽空看了一遍,读完之后呆若木鸡。本书涵盖了几乎所有的机器学习算法,不过道行太浅,读下来脑子里只有NP难反复回旋
-
1 哀痛君王 2016-10-23
不可能有9分
-
1 黑尘子 2016-11-26
看过一部分,并不觉得这本书比其他的基本机器学习教材好在哪里,当一本参考书是不错的,可是里面的信息量并不大,入门的话也并不合适,写得不是很详细,很多地方都没有说清楚前因后果,所以,可以当资料用吧。
-
1 cs_is_math 2016-02-23
目前最全面的中文教材,写得极其容易读懂。作者有过研究经验相关内容里也包含了别的书里找不到的解读方式。不过定位应该仍然是一本入门级专著。
-
1 Jackie 2016-11-01
就是简单的罗列内容, 不知道为什么评分会这么高...
-
1 lqc55 2016-08-14
读过的自然懂这本书的好处,当工具书来看才是正确的方法
-
1 虾卤 2016-10-25
伟大的机器学习教材。教材两个字最能体现这本书的特点。 如果要说缺点的话,有的算法推导过于简略了,以至于完全看不懂,放上去反而没意义了,既然提到推导,还是写的稍微详细点好。