《机器学习》(西瓜书) 随笔
ML大牛请绕道请无视。 那天当当有满减活动，实验室一学弟说他想买《机器学习》，我问是哪本，答曰南大周志华那本“西瓜书”，说其同学向他推荐的。我表示不屑，咋从没听过？机器学习不是要看《PRML》么？于是上亚马孙看了下，是今年1月份的新书，然而销量已到计算机类第一了，下边评价也是不错。于是从不屑到决定下单，也就几分钟的事情= = 自从研究生入学以来，就发现
·
ML大牛请绕道请无视。
那天当当有满减活动，实验室一学弟说他想买《机器学习》，我问是哪本，答曰南大周志华那本“西瓜书”，说其同学向他推荐的。我表示不屑，咋从没听过？机器学习不是要看《PRML》么？于是上亚马孙看了下，是今年1月份的新书，然而销量已到计算机类第一了，下边评价也是不错。于是从不屑到决定下单，也就几分钟的事情= =
自从研究生入学以来，就发现机器学习（ML, Mechine Learning）实在是太火了。电信学院都有不少老师不搞通信不搞信号处理转行搞这个了，关注科技新闻也发现ML的新闻满天飞，所以我也蛮好奇的。但由于太懒，一直没入门，直到这回碰巧买了这本风评不错的书，于是决心看完，而不是买回来蒙尘。
本书正文400页左右（不计附录，简洁的附录也蛮良心的，一定要看！），共16章，覆盖的专题比较全面，前3章是基础，余下13章是各自独立的专题，有基本的也有进阶的，分别是：4决策树，5神经网络，6支持向量机，7贝叶斯分类器，8集成学习，9聚类，10降维与度量学习，11特征选择与稀疏学习，12计算学习理论，13半监督学习，14概率图模型，15规则学习，16强化学习。 每章的篇幅差不多，约20页，点到为止。前后用了近两个月的时间过了一遍，基本上是课余时间看的，有一半以上是晚上回到宿舍后看的，对此还是比较满意的。
看完的总体感觉就是，设计那些经典算法的计算机科学家真是太厉害了，整本书汇集了多少人类智慧的结晶呐。赞叹之余，也感谢周教授写了这么一本入门的好书，他在后记里说道：且以顶级的态度，出一本入得方家法眼之书。作者真乃业界良心呐。因为本书“浅尝辄止”，不像国外经典大部头那样令入门者（如我）望而生畏，但也绝不是小白书。如果能把书里那些算法都弄明白其原理并编程实现的话，我相信你一定可以碾压大部分人。而且，每章后面的十道习题，感觉有些开挂了= =另外，之前是谁说搞机器学习不需要数学的，只要调调参数就行了，我还信以为真了，同学你其实是在逗我的吧？！我发现里面涉及的数学工具高级多了，主要是概率、数理统计、凸优化和矩阵分析的，我觉得比我看的那些无线通信的论文涉及到的还要难。尤其是第12章，我觉得是最变态的。于是，我在看的过程中，其实只是学了一些名词，了解了一些概念。“不求甚解”地一路看过来，绝大部分推导是看不懂的，算法也没有编程实现，但并没阻碍我继续看下去，因为我发现这些算法真是太了不起了，而且我也是真的有兴趣去了解它们，若是轻松就能理解这些算法的话，那它们也就没那么了不起了。所以先粗略过一遍，我相信我还会再看第二遍的。
刚好上周有澳洲的华人教授过来开短期课程，我过去听了，他是用《PRML》那本来讲的，真心完全听不懂。数学是硬伤啊，所以不能沉下心来好好啃算法的话，根本没资格说学过ML吧。 希望以后有时间来慢慢啃，虽然很难，但在这个挑战的过程中应该是痛并快乐着的，我有过这种感觉，沉浸其中的话其实还是很幸福的。特别是最后弄懂了那种成就感是无法言喻的。
此书之所以外号“西瓜书”，后记里有写。原因是因为作者弄了个西瓜数据集，并用各种ML算法根据西瓜的各种特征来推断是否是好瓜，蛮好玩的。所以如果你有兴趣了解机器学习的话，真心推荐这一本良心之作。 唯一不爽的一点是这本书是方的，放在桌面一排书中显得好突兀，好方。 李航那本《统计学习方法》评价也不错，但 我没看过，不过我翻过目录，其覆盖的专题比较少。当然进阶的直接《PRML》吧。
最后，这年头不学点ML，你好意思说自己是理工科的么= =#
那天当当有满减活动，实验室一学弟说他想买《机器学习》，我问是哪本，答曰南大周志华那本“西瓜书”，说其同学向他推荐的。我表示不屑，咋从没听过？机器学习不是要看《PRML》么？于是上亚马孙看了下，是今年1月份的新书，然而销量已到计算机类第一了，下边评价也是不错。于是从不屑到决定下单，也就几分钟的事情= =
自从研究生入学以来，就发现机器学习（ML, Mechine Learning）实在是太火了。电信学院都有不少老师不搞通信不搞信号处理转行搞这个了，关注科技新闻也发现ML的新闻满天飞，所以我也蛮好奇的。但由于太懒，一直没入门，直到这回碰巧买了这本风评不错的书，于是决心看完，而不是买回来蒙尘。
本书正文400页左右（不计附录，简洁的附录也蛮良心的，一定要看！），共16章，覆盖的专题比较全面，前3章是基础，余下13章是各自独立的专题，有基本的也有进阶的，分别是：4决策树，5神经网络，6支持向量机，7贝叶斯分类器，8集成学习，9聚类，10降维与度量学习，11特征选择与稀疏学习，12计算学习理论，13半监督学习，14概率图模型，15规则学习，16强化学习。 每章的篇幅差不多，约20页，点到为止。前后用了近两个月的时间过了一遍，基本上是课余时间看的，有一半以上是晚上回到宿舍后看的，对此还是比较满意的。
看完的总体感觉就是，设计那些经典算法的计算机科学家真是太厉害了，整本书汇集了多少人类智慧的结晶呐。赞叹之余，也感谢周教授写了这么一本入门的好书，他在后记里说道：且以顶级的态度，出一本入得方家法眼之书。作者真乃业界良心呐。因为本书“浅尝辄止”，不像国外经典大部头那样令入门者（如我）望而生畏，但也绝不是小白书。如果能把书里那些算法都弄明白其原理并编程实现的话，我相信你一定可以碾压大部分人。而且，每章后面的十道习题，感觉有些开挂了= =另外，之前是谁说搞机器学习不需要数学的，只要调调参数就行了，我还信以为真了，同学你其实是在逗我的吧？！我发现里面涉及的数学工具高级多了，主要是概率、数理统计、凸优化和矩阵分析的，我觉得比我看的那些无线通信的论文涉及到的还要难。尤其是第12章，我觉得是最变态的。于是，我在看的过程中，其实只是学了一些名词，了解了一些概念。“不求甚解”地一路看过来，绝大部分推导是看不懂的，算法也没有编程实现，但并没阻碍我继续看下去，因为我发现这些算法真是太了不起了，而且我也是真的有兴趣去了解它们，若是轻松就能理解这些算法的话，那它们也就没那么了不起了。所以先粗略过一遍，我相信我还会再看第二遍的。
刚好上周有澳洲的华人教授过来开短期课程，我过去听了，他是用《PRML》那本来讲的，真心完全听不懂。数学是硬伤啊，所以不能沉下心来好好啃算法的话，根本没资格说学过ML吧。 希望以后有时间来慢慢啃，虽然很难，但在这个挑战的过程中应该是痛并快乐着的，我有过这种感觉，沉浸其中的话其实还是很幸福的。特别是最后弄懂了那种成就感是无法言喻的。
此书之所以外号“西瓜书”，后记里有写。原因是因为作者弄了个西瓜数据集，并用各种ML算法根据西瓜的各种特征来推断是否是好瓜，蛮好玩的。所以如果你有兴趣了解机器学习的话，真心推荐这一本良心之作。 唯一不爽的一点是这本书是方的，放在桌面一排书中显得好突兀，好方。 李航那本《统计学习方法》评价也不错，但 我没看过，不过我翻过目录，其覆盖的专题比较少。当然进阶的直接《PRML》吧。
最后，这年头不学点ML，你好意思说自己是理工科的么= =#
CSDN联合极客时间，共同打造面向开发者的精品内容学习社区，助力成长！
更多推荐
9
0- 0
已为社区贡献2条内容
所有评论(0)