数学学渣的福利,看看图就能学会的机器学习

共 1691字,需浏览 4分钟

 ·

2021-06-23 19:47

在机器学习领域,有一个著名的“没有免费的午餐”定理(No Free Lunch Theorem)。该定理告诉我们,没有什么算法适用于所有现实问题,对于不同的问题,要选择相应的算法来解决。
可是,机器学习算法种类繁多,特别是其数学原理甚为复杂,密密麻麻的公式往往让很多初学者望而生畏。算法本身就很难理解,更别提根据具体情况选择合适的算法了!对于初学者来说,有没有什么更友好的方式入门呢?
既然数学这条路不通,那不如试试用图搞定吧!
 《图解机器学习算法》
[日]秋庭伸也,杉山阿圣,寺田学 著   

郑明智 译

没有复杂公式,152张图表

轻松掌握17种常用算法

新书首发,限量五折
先来看看日本网友是怎么评价这本书的。
不公平!!!

我这边学得那么辛苦,却不知这本书整理得那么好。

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。

数学公式推导着推导着……

“咦?这个是做什么的来着?”

——如果你也曾这样,不如先整理好“旅行地图”!

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:

回归是这样的:

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

3. 进一步介绍评估方法等实践性的内容

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。 

2.直观 :全彩图解,让原本抽象复杂的算法变得一目了然,方便读者快速了解各算法的特征,学会如何选择恰当的算法。
3.易懂:几乎没有数学公式和统计术语,零基础也可轻松读懂。
4.实现:各算法均用Python代码实现,读者可下载配套代码资源,边试边学。

本书适合读者

√对机器学习感兴趣的初学者

√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

如果你在学习机器学习时,也为算法感到吃力,不妨试试本书,看看会不会有柳暗花明的效果吧~

(本书采用100g高档胶版纸全彩印刷,同时也非常适合收藏~)

 文末互动 

小伙伴们留言说说你在机器学习中遇到哪些劝退你的困难?或者你有什么好的学习算法的方法,可以安利给其他小伙伴们。精选留言我们会选择 3 位读者获得新书一本,你将有可能成为这本书的第一批读者哦!快来留言吧!截至2021.6.25。

图 灵 社 群



☟☟ 新书首发,今天只要47.4
浏览 6
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报