当天发货正版 绿色军营 福建美术出版社 福建美术出版社 9787539330563中图文轩 pdf mobi txt 2024 电子版 下载

暂时没有内容

暂时没有内容

暂时没有内容

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：当天发货正版 绿色军营 福建美术出版社 福建美术出版社 9787539330563中图文轩在线阅读

在线听书地址：当天发货正版 绿色军营 福建美术出版社 福建美术出版社 9787539330563中图文轩在线收听

在线购买地址：当天发货正版 绿色军营 福建美术出版社 福建美术出版社 9787539330563中图文轩在线购买

暂无原文赏析，正在全力查找中！

编辑推荐

暂时没有内容

书摘插图

暂时没有内容

• 作者：随缘随喜 发布时间：2020-04-04 16:27:53

  真的很好 但本人太菜 很多数学方面的东西没看懂

• 作者：no gain no pain 发布时间：2015-07-21 09:26:53

  生物学考古

• 作者：齐大好 发布时间：2017-03-31 18:00:30

  挺不错的，简单实用，插画可爱

• 作者：偷文字的 发布时间：2023-12-28 13:10:34

  实在不行就多用分析案例吧，全用“辩证法”来写，读下来感觉没啥东西很多废话…

• 作者：Lu 发布时间：2007-10-18 15:15:34

  很實用的一本書~

• 作者：Phantom 发布时间：2020-03-15 18:55:06

  只有自传，没有任何心理学的知识。

• 最多7分的水平

  作者：脖子 发布时间：2020-11-26 15:38:41

  先说优点：

  1. 内容选取十分恰当，难易程度适中。这在我看来是本书最大的特色。目前市面上的书要么过于详细，要么过于简单。以比较经典的几本英文教材为例。Bishop的PRML覆盖的topic其实很有限，而且由于其本身的background，大部分内容都是从probabilistic model出发，讲的比较深入，其实并不适合入门。Kevin Murphy的那本ML风格和PRML差不多，也是从probabilistic的角度出发，虽然讲述的内容上要简洁不少，但是涵盖的topic太多，很多东西都是浅尝辄止，而且夹带了很多私货，全书1000多页，早期的版本还有非常多的typo，读起来非常的不友好。和Kevin这本书类似的还有Machine Learning: A Bayesian and Optimization Perspective，也是一本涵盖了很多内容的ML书籍，并不适合初学者。ESL II由三位统计大神写的，内容上其实没什么好说的，但显然也不适合非科班出身的学生入门（它有一个简化版本不错，但是本人没有仔细看过，所以不做评论）。此外还有Foundations of Machine Learning以及Understanding Machine Learning两本书，比较偏理论，只适合特定读者（btw，Foundations of Machine Learning是一本非常优秀的Theoretical Machine Learning的入门书籍）。

  说回这本西瓜书。这本书所涵盖的topic在我看来是最恰如其分的。多一分则显得冗余，少一分则遗漏一些最fundamental的核心概念。单单从目录上看，这本书是最适合入门的书籍。

  2. 它也是迄今为止我见过的最好的中文教材。我看的中文教材很有限。早些年清华大学的张学工教授写过一本模式识别，当时学的时候觉得非常的深入浅出，阅读体验很好。只可惜那本书成书时间较早，里面的内容早已经根本上现在的形势。其他的诸如李航的统计学习方法涉及的内容也略窄，但我并没有仔细阅读过，所以也不便评价。

  说完优点，再说缺点。

  其实在我看来，这本书最大的缺点就一个（但足以致命），就是其逻辑脉络不清晰。

  从内容的讲述方式上看，这是一本典型的中国老师写的教科书：里面有大量的数学推导，但是对于其背后的含义，概念的阐述远远不够，这导致的结果往往就是知其然不知其所以然。作为一本入门书籍，直接简单粗暴的把式子罗列上去，显然是不人性化的，也增加了初学者的阅读难度。其中的一个例子便是书中第七章朴素贝叶斯的那个例子。那个西瓜的例子是在第四章决策树的时候引入的，在哪个问题上，引入了8个西瓜的feature尚且说得过去（其实我认为也可以在精简一些），但是在贝叶斯这章里面，将所有的feature都考虑在内，作为一个示例，显然是有些冗余了。

  除此之外，很多东西的表述方式也不是那么友好。比如在8.2中介绍AdaBoost的时候，直接从最小化exponential loss，则绝对是反直觉的做法。即使ESL II也是从基本算法讲起，再讲其他的扩展。就好像讲SVM的时候，我们绝对不会先讲它本质上是最小化hinge loss，而都是从maximize margin的intuition讲起。AdaBoost也是类似的道理，更主要的是，要真正讲清楚其最小化exponential loss的方法，里面还会涉及gradient boosting以及forward stage-wise的优化策略。这些都是跟之前的算法截然不同的。如果仅仅从loss function的角度出发，会让初学者有一种感觉，好像AdaBoost跟其他方法的最大差别不过是loss function不同，这显然是不对的。

  本书的另外一个问题就是notation显得比较混乱，不同章节缺乏统一性，最简单的例子就是不同章节对于empirical loss采取不同的notation方式(e.g., SVM, AdaBoost, 计算学习理论)，这也极大增加了初学者理解难度，难以建立起统一的联系。

  综上所述，这本书在我看来，是6-7分的水平，鉴于是中文教材，给一些额外的bonus，打四星。

• 北京城，梁思成

  作者：思思 发布时间：2007-03-18 22:56:43