图解经典的17个机器学习算法！送书5本！
扫描送书5本！
大家扫码填写下方的问卷调查（6道题）
最后点击提交后，上方会有抽奖助手二维码
直接扫码即可参与！
郑明智 译
没有复杂公式，152张图表
轻松掌握17种常用算法
不过能轻松看懂PRML（Pattern Recognition and Machine Learning）、ESL（Elements of Statistical Learning）的人是用不着这本的。
每个算法用几页的篇幅来讲解，虽说不能立马就会用，但是用来整理思路，或者在向客户说明算法时用来参考，都是非常不错的呢！
这本在日亚斩获无数好评的书，究竟是什么样的，我们来一探究竟。
● 这本书讲了什么？
话不多说，先上结构图：
1. 把握全貌
在第1章，我们将对什么是机器学习，以及机器学习的工作流程有一个大致的把握。书中的介绍均以事例为基准，非常直观易懂。比如分类是这样的：
2. 逐个突破
全彩图表 | 具体示例 | Python代码，详解各种算法。
第 2~3 章是本书重点，将详细讲解有监督学习和无监督学习的 17 种算法，涉及回归、分类、降维、聚类等问题。
（本书涉及的算法）
对各种算法的介绍主要以“图解”的方式进行，直观易懂。在这两章，我们可以了解到各算法的特点，以及如何为数据集选择合适的算法。
各算法自成一节，方便作为案头书随时查找，大家也可挑选感兴趣的算法来阅读。
向左滑动查看更多
在运行机器学习算法创建模型后，还要评估模型是否有用。所谓“没有测量，就没有科学”，在机器学习领域，对模型的评估非常重要。第 4 章将重点介绍有监督学习的评估方法、提高模型性能的方法，以及对较为复杂的文本数据、图像数据的转换处理。
（第4章介绍的评估指标）
● 本书特色
1.全面：网罗有监督学习和无监督学习的17种算法，涉及回归、分类、降维、聚类等问题。
● 本书适合读者
√了解一些机器学习算法，想学习更多机器学习算法的人
√不擅长数学公式，在阅读机器学习专业书时感到吃力的人
√希望能够根据要解决的问题选择恰当的机器学习算法的人
√有一定的编程经验，能够运行示例代码的人
