发起人:于家傲 管理大师

IC 转到 CS

回复 ( 9 )

  1. li Eta
    理由
    举报 取消

    这三本都刷过一些,力荐MLAPP。

    1. PRML 和 MLAPP有点像,都是罗列ML各种模型,但是PRML比MLAPP更加偏概率解释,有些为了概率而概率。MLAPP比较中立,内容更新一些,而且附件资料充足(有代码)

    2. ESL内容侧重 与 “PRML 和 MLAPP” 都不同,细节往往都没有细讲,需要看对应的paper才能搞懂。不算是很适合的入门教材。

    3. 此外还有一本 Foundations of Machine Learning

  2. Shu Matt
    理由
    举报 取消

    推荐MLAPP。理由如下:

    (1)MLAPP对机器学习基本理论(概率、分布、推理)的解释到位,并且前几章专门进行这部分的知识补充、回顾和训练,非常有助于对具体模型的理解,在具体模型需要进行公式推导的时候也很有价值。

    (2)MLAPP模型比较全,什么样的模型都有,不仅有基于贝叶斯统计的绝大多数常见机器学习模型,还包括了一些非概率模型或者概率解释很困难的模型。有时候后面这些模型也是有用的,即使你不用不代表跟你同组的人不用,有必要了解这些模型(PRML上这部分模型的资料相对缺乏)。

    (3)对于基于概率的模型,有一些模型MLAPP讲的也足够全,毕竟是后编写的书籍,有一些更加符合时代潮流的方法,另外也讲的更细,有些方法如果只进行不深入的了解的话,不用查论文,直接看MLAPP就够了,这本身就是价值。有的方法即使PRML也讲到了,我也认为MLAPP讲的比PRML更优秀,比如kernel和sparse kernel machine。就像上面有人说的,PRML有点为了概率而概率。

  3. 邵天兰
    理由
    举报 取消

    和楼上不同,我力荐PRML。

    理由:深入浅出,容易上手。MLAPP感觉作为第二本比较合适。

  4. 梁勇
    理由
    举报 取消

    机器学习基本算法[转载]机器学习基本算法 参考下

  5. Zetary Lee
    理由
    举报 取消

    现在是大四保研党,本科数学。

    老板让我用周志华的《机器学习》和《Foundations of Machine Learning》一起协同学习。

  6. 陈坤龙
    理由
    举报 取消

    入门的话强推ISLR和周志华的买西瓜宝典。

    PRML ESL MLAPP这三本其实内容都蛮深得,有一本能彻底看懂就已经很不容易啦。

  7. 引线小白
    理由
    举报 取消

    我就告诉你MLAPP符号优美。其他几本太丑。

  8. 宇宙为家
    理由
    举报 取消

    我觉得最好的书是PRML,非常易懂,但是有些内容没有,比如Gradient boosting, Random forests.

    其次是ESL,内容很全,PRML有的基本都有,而且讲的很详细。不过我感觉不是很好懂,比PRML差很多。

    MLAPP没怎么看,不过就我看的那些内容来说感觉讲的太浅,没有细节。

    初学机器学习,求大神轻拍。

  9. shujujia
    理由
    举报 取消

    机器学习:《数据挖掘实用机器学习工具与技术》、《数据挖掘导论》、《机器学习》、,《数据挖掘与机器学习WAKA应用技术与实践》

    Python:《利用Python进行数据分析》、《Python基础教程》、《Python Cookbook》、《“笨办法”学Python》

    MATLAB:《精通MATLAB》、《MATLAB R2014a从入门到精通》、《MATLAB R2014a完全自学一本通》、《MATLAB宝典》

    数据库:《MongoDB权威指南》、《数据库系统概念》、《SQL语言与数据库操作技术大全》、《Oracle从入门到精通》

    R语言:《统计建模与R软件》、《R语言实战》、《ggplot2数据分析与图形艺术》、《数据挖掘与R语言》

我来回答

Captcha 点击图片更换验证码