图书标签: 机器学习  统计学习  统计学  数据挖掘  数学  计算机  统计  MachineLearning   

喜欢 统计学习方法 的读者还喜欢

• 
  机器学习实战 pdf epub mobi txt 电子书 下载
• 
  Pattern Recognition and Machine Learning pdf epub mobi txt 电子书 下载
• 
  统计自然语言处理（第2版） pdf epub mobi txt 电子书 下载
• 
  深度学习 pdf epub mobi txt 电子书 下载
• 
  统计学习理论的本质 pdf epub mobi txt 电子书 下载
• 
  数据挖掘导论 pdf epub mobi txt 电子书 下载
• 
  An Introduction to Statistical Learning pdf epub mobi txt 电子书 下载
• 
  统计学习基础 pdf epub mobi txt 电子书 下载
• 
  ggplot2：数据分析与图形艺术 pdf epub mobi txt 电子书 下载
• 
  Python深度学习 pdf epub mobi txt 电子书 下载

花了三个晚上时间，一口气读完了这本书。感叹这本书这么短的篇幅，却能把不少经典模型讲得十分清楚，细致的公式推导，伪代码并附带了例子，真是不错。从某个角度看，这本书像是一本精彩的读书笔记。

结构清晰。这一点足以打5分。

《机器学习》转化为假设空间搜索问题。本书将统计学习理解为凸优化，数值计算。但是，背景动机来源少。机器学习有三个组成部分：第一，数据；第二，模型或者估计函数；第三，需要降到最低的成本或损失。机器学习的整个raison detre过程实际上是其运用类似的统计问题来优化损失函数的过程。

这本书对于算法的描述还算简洁。但是这本书仅仅是把一个算法本身描述清楚了，算法的来龙去脉，为什么要这么算都没有交代。理论基础明显不足。要是做机器学习的和统计学习的都只是知道怎么算而不知道为什么这么算，和算命的没有多大区别。

绝对不适合初学者。在理解了书所涉及的算法后，可以读本书。“事儿就这么个事儿，不解释”的范，典型的中式思维，精于总结而不精于解释。有点在于比其它谭浩强类计算机书认真点，每一章都会有论文的出处，可以自己去查。总之，适合回首往事，不适合一见钟情。

最初拿到手就觉得整本书都是公式，扫了一遍，发现看起来很吃力！ 现在重新再看多一遍，并将里面的算法自己实现了一遍，已经看完第五章了，照着书里的算法逻辑与步骤自己动手后觉得还是可以搞懂一些的 附：本人的学习笔记博客 http://www.cnblogs.com/juefan/p/3843560.html  

花了2个星期看完了这本书，觉得作者前半部分写的还是挺用心的。当然前面的内容也比较简单。但是最后面两章写的有些莫名其妙，很多东西都根本没有交代清楚，上来就列个公式，都不告诉你是怎么来的。也可能是我水平有限，不过确实感觉作者在后两章节上写的有点应付得感觉  

读了机器学习实战、深度学习花书、PRML、西瓜书以及这本统计学习方法 总体来说这本书叙述较为详细，数学推导难度适中，可以作为西瓜书的辅助材料阅读。相比较西瓜书来说优点是：都是干活，算法证明过程很详细，缺点是：没有包含最新的一些机器学习算法，甚至神经网络都没有涉及...  

这本书一共235页，写了10个算法，可见每个算法都介绍的篇幅不长，貌似每个算法该讲的都讲了。 详细看了一章最大熵，发现其实都是对已有文献的翻译，其中的部分符号修改了，更加通俗易读。不过翻译的非常好，是目前国内翻译的最好的吧。 最大熵的举例来自论文...  

这本书一共235页，写了10个算法，可见每个算法都介绍的篇幅不长，貌似每个算法该讲的都讲了。 详细看了一章最大熵，发现其实都是对已有文献的翻译，其中的部分符号修改了，更加通俗易读。不过翻译的非常好，是目前国内翻译的最好的吧。 最大熵的举例来自论文...