图解机器学习
内容简介
本书用丰富的图示，从最小二乘法出发，对基于最小二乘法实现的各种机器学习算法进行了详细的介绍。第Ⅰ部分介绍了机器学习领域的概况；第Ⅱ部分和第Ⅲ部分分别介绍了各种有监督的回归算法和分类算法；第Ⅳ部分介绍了各种无监督学习算法；第Ⅴ部分介绍了机器学习领域中的新兴算法。书中大部分算法都有相应的MATLAB程序源代码，可以用来进行简单的测试。
本书适合所有对机器学习有兴趣的初学者阅读。
作者简介
杉山将
1974年生于大阪。东京工业大学计算机工程学博士毕业，现为东京大学教授、日本国立信息学研究所客座教授。主要从事机器学习的理论研究和算法开发，以及在信号和图像处理等方面的应用。2011年获日本信息处理学会长尾真纪念特别奖。著有《统计机器学习》、Density Ratio Estimation in Machine Learning等。同时也是Pattern Recogni...
目录
文章试读
有关增强学习的详细解说，读者朋友可以参阅文献[5]。本节将对监督学习和无监督学习中典型的任务，例如回归、分类、异常检测、聚类和降维等做一一介绍。 回归，是指把实函数在样本点附近加以近似的有监督的函数近似问题A（图1.5）。这里，我们来考虑一下以d次方的实数向量x作为输入，实数值y 作为输出的函数y=f(x)的学习问题。在监督学习里，这里的真实函数关系f 是未知的，作为训练集的输入输出样本{(...
该书热门标签
- 最新
- 热门
-
0
cs_is_math
2015-05-23
从最基础的最小二乘、SVM等讲到部分前沿话题（作者果不其然把密度比推断等自己研究的问题也介绍了一下），图文并茂，内容精炼。无论小白还是有一定基础的读者都可以从中获得一些有用信息，本书就内容而言我是强烈推荐的。不过不知道是不是译者没怎么接触过国内术语，中译本中存在少量可能会影响到内容理解的翻译错误。另外本书毕竟还有科普的成分，所以个别表达也没有苛求严谨。
-
0
[已注销]
2015-09-14
一些复杂的内容没有被很好的解释
-
0
心言
2016-07-14
所谓的图解就是配了些完全不相关的插画，插画中表现出一种焦躁或者顿悟的感情，跟机器学习方面没有一毛钱关系。另外其他的插图也都是一般机器学习书籍中都有的，另外有很多公式，需要自己反复推演。代码专门用一个电脑状的图片框起来就算做是图解了？整体画风有点像小学数学课本，小明小红和老师。
-
0
schuman
2017-03-09
没有想象的那么好啊
-
1
shikilewis
2015-09-18
图解就是放一片萌图，但是复杂的地方放一堆公式
-
0
Sir_小白
2016-04-27
不得不说真心很一般，需要有一定基础，然而有一定基础的人怎么可能看这玩意。。。
-
0
年糕哟
2015-12-04
这个图解的名字有点骗人了。公式很多，没有细究，大概能意会。但是好像并没有什么卵用。
-
0
ThornWu
2016-03-06
看过图解系列的其它计算机书籍，这本最差。图解面向的一般都是初学者，但书里用的语言专业性很强，语言也没有通俗易懂，插图根本对理解毫无帮助，不推荐购买
-
0
stoness
2016-08-26
一本侧重实现代码的机器学习参考手册。冲着“图解”而来，不过诸多图鸡肋。内容果然“角度新颖“”与其他书籍有异”，不易读不宜懂，不适入门。代码能辅助理解，未曾动手练习。
-
1
Constraint
2016-08-08
七分。这本书并不是适合作为入门书籍，然而评论里清一色的ml投机分子试图以此为捷径入门，显然不可取。适合看过coursera cs229的人巩固提升或者用作demo 玩具算法演示或者增加一些直观的推导，公式虽多却都是入门级的矩阵和概率知识。想要深钻就去看论文，半吊子蓝翔app程序员线性代数都没学懂就来装逼喷？
-
10
麟狩
2015-07-02
“图解”就是随便画点不相干的漫画
-
5
亲爱的猥琐猪
2016-08-12
这本书本身的内容，非常精妙！失败是在文案：这绝非入门书，甚至不能叫图解。最贴切的书名应该是《统计学习，从最小均方误差说开去》。私以为，入门机器学习途径有二，一是受深度学习感召，从感知器始，再来输入/单隐层/输出的标准神经网络结构，到多层感知器，再由自动编码、RNN和CNN渐入DNN家族，这种宏观视野有助于建立“模型-优化算法-准则”的机器学习大观。另一条是从统计入手，贝叶斯-似然估计-均方误差-线性判别-支持向量，推而广之到集成、度量学习、降维等，以代数与统计为主，从公式推演。本书是罕见的后一条路，起点不低，LS直接上核，给的第一个公式概括性极强，看出作者厚积薄发，但不适合初学！！！倒是已对整个ML领域走一圈回头读会醍醐灌顶。另外，一些术语（日语译法）和常用的不一致，但不影响理解。
-
4
隐士
2015-09-19
大部分内容是公式，图解只是噱头，看了也没有什么帮助
-
2
Monkey.D.ZS
2015-08-31
这书太坑了，相比日本人写的其他漫画入门书，比如漫画数据库、漫画线性代数，这本书太专业了，完全不像是让你入门的漫画书，公式太多，所谓的图解的“图”，难道就是大部分机器学习书都有的图么。。。
-
1
shikilewis
2015-09-18
图解就是放一片萌图，但是复杂的地方放一堆公式
-
1
Constraint
2016-08-08
七分。这本书并不是适合作为入门书籍，然而评论里清一色的ml投机分子试图以此为捷径入门，显然不可取。适合看过coursera cs229的人巩固提升或者用作demo 玩具算法演示或者增加一些直观的推导，公式虽多却都是入门级的矩阵和概率知识。想要深钻就去看论文，半吊子蓝翔app程序员线性代数都没学懂就来装逼喷？
-
1
达闻西
2016-05-12
萌图。较多公式，但没有太多推导过程。适合轻松入门，不适合严肃学习
-
1
pwlazy
2015-08-17
大量的公式堆砌，例子／背景／推导非常的少，和其他日本作者出的书的那种深入浅出差别很大，根本不适合什么轻松入门，让人失望
-
1
woodbean
2015-06-15
对于机器学习介绍得比较全面详细。翻译得有错误。另外里面公式偏多，对于门外汉来说有许多东西不能一下子看懂，所以我还得再找一些基础书籍看看才能继续看机器学习相关的内容了。
-
1
Python
2015-12-23
比较失望，大部分都在讲解公式，有一些基本的统计和概率论内容，但是翻译的很不好。都不是用统计学通用名词，怪怪的
- 最新
- 热门
-
可以当作一本小字典迅速浏览
1有用 三角和 2016-05-29
说图解不太合适，其实大多只是正文插入了几张萌图。如果你一点数学都不懂，想看图学会，那肯定要大失所望的。书很小很薄，定价似乎稍高了点，不过主要的东西也都有了，简要介绍理论之后给出matlab代码，可以当... 查看全部>>
-
需要数学功底，零基础一样无法入门
2有用 深渊魔王 2015-10-06
很多数学公式，比起教科书强了那么一点。如果没有概率基础，没有行列式基础，那么看书一样很吃力。当然，只要坚持刨根问底，不去推导公式，仅仅理解一下还是有用的。记得微软的一个机器学习类库，有个讲侦探的故事来... 查看全部>>
-
需要数学功底，零基础一样无法入门
2有用 深渊魔王 2015-10-06
很多数学公式，比起教科书强了那么一点。如果没有概率基础，没有行列式基础，那么看书一样很吃力。当然，只要坚持刨根问底，不去推导公式，仅仅理解一下还是有用的。记得微软的一个机器学习类库，有个讲侦探的故事来... 查看全部>>
-
可以当作一本小字典迅速浏览
1有用 三角和 2016-05-29
说图解不太合适，其实大多只是正文插入了几张萌图。如果你一点数学都不懂，想看图学会，那肯定要大失所望的。书很小很薄，定价似乎稍高了点，不过主要的东西也都有了，简要介绍理论之后给出matlab代码，可以当... 查看全部>>
评价“图解机器学习”