圖解經(jīng)典的17個機器學習算法！送書5本！

掃描送書5本！

大家掃碼填寫下方的問卷調(diào)查（6道題）

最后點擊提交后，上方會有抽獎助手二維碼

直接掃碼即可參與！

---

在機器學習領域，有一個著名的“沒有免費的午餐”定理（No Free Lunch Theorem）。該定理告訴我們，沒有什么算法適用于所有現(xiàn)實問題，對于不同的問題，要選擇相應的算法來解決。

可是，機器學習算法種類繁多，特別是其數(shù)學原理甚為復雜，密密麻麻的公式往往讓很多初學者望而生畏。算法本身就很難理解，更別提根據(jù)具體情況選擇合適的算法了！對于初學者來說，有沒有什么更友好的方式入門呢？

既然數(shù)學這條路不通，那不如試試用圖搞定吧！

 《圖解機器學習算法》

[日]秋庭伸也，杉山阿圣，寺田學 著   

鄭明智 譯

沒有復雜公式，152張圖表

輕松掌握17種常用算法

先來看看日本網(wǎng)友是怎么評價這本書的。

不公平！！！

我這邊學得那么辛苦，卻不知這本書整理得那么好。

不過能輕松看懂PRML（Pattern Recognition and Machine Learning）、ESL（Elements of Statistical Learning）的人是用不著這本的。

數(shù)學公式推導著推導著……

“咦？這個是做什么的來著？”

——如果你也曾這樣，不如先整理好“旅行地圖”！

每個算法用幾頁的篇幅來講解，雖說不能立馬就會用，但是用來整理思路，或者在向客戶說明算法時用來參考，都是非常不錯的呢！ 

這本在日亞斬獲無數(shù)好評的書，究竟是什么樣的，我們來一探究竟。

● 這本書講了什么？

話不多說，先上結構圖：

1. 把握全貌

在第1章，我們將對什么是機器學習，以及機器學習的工作流程有一個大致的把握。書中的介紹均以事例為基準，非常直觀易懂。比如分類是這樣的：

回歸是這樣的：

2. 逐個突破

全彩圖表 | 具體示例 | Python代碼，詳解各種算法。

第 2~3 章是本書重點，將詳細講解有監(jiān)督學習和無監(jiān)督學習的 17 種算法，涉及回歸、分類、降維、聚類等問題。

（本書涉及的算法）

對各種算法的介紹主要以“圖解”的方式進行，直觀易懂。在這兩章，我們可以了解到各算法的特點，以及如何為數(shù)據(jù)集選擇合適的算法。

各算法自成一節(jié)，方便作為案頭書隨時查找，大家也可挑選感興趣的算法來閱讀。

向左滑動查看更多

3. 進一步介紹評估方法等實踐性的內(nèi)容

在運行機器學習算法創(chuàng)建模型后，還要評估模型是否有用。所謂“沒有測量，就沒有科學”，在機器學習領域，對模型的評估非常重要。第 4 章將重點介紹有監(jiān)督學習的評估方法、提高模型性能的方法，以及對較為復雜的文本數(shù)據(jù)、圖像數(shù)據(jù)的轉(zhuǎn)換處理。

（第4章介紹的評估指標）

● 本書特色

1.全面：網(wǎng)羅有監(jiān)督學習和無監(jiān)督學習的17種算法，涉及回歸、分類、降維、聚類等問題。 

2.直觀 ：全彩圖解，讓原本抽象復雜的算法變得一目了然，方便讀者快速了解各算法的特征，學會如何選擇恰當?shù)乃惴ā?/span>

3.易懂：幾乎沒有數(shù)學公式和統(tǒng)計術語，零基礎也可輕松讀懂。

4.實現(xiàn)：各算法均用Python代碼實現(xiàn)，讀者可下載配套代碼資源，邊試邊學。

● 本書適合讀者

√對機器學習感興趣的初學者

√了解一些機器學習算法，想學習更多機器學習算法的人

√不擅長數(shù)學公式，在閱讀機器學習專業(yè)書時感到吃力的人

√希望能夠根據(jù)要解決的問題選擇恰當?shù)臋C器學習算法的人

√有一定的編程經(jīng)驗，能夠運行示例代碼的人

如果你在學習機器學習時，也為算法感到吃力，不妨試試本書，看看會不會有柳暗花明的效果吧~

（本書采用100g高檔膠版紙全彩印刷，同時也非常適合收藏~）

掃描送書5本！

大家掃碼填寫下方的問卷調(diào)查（共6道題）

最后點擊提交后，上方會有抽獎助手二維碼，直接掃碼即可參與！