《机器学习实战》书评

个人觉得是机器学习里最接近实践的书了

尽管评论里对这本书褒贬不一，我觉得这些都是根据每个人不同的能力背景出发而给的评论。而对于我这样能力的人来说，这本书可以说是最适合了。我是什么能力状况呢，计算机专业背景，有那么几年开发经验，但是机器学习方面是小白。看这本书需要一定的编程经验，但不需要很强，想我这样就行（不经常写代码）。书中的代码示例一般都不长，很好理解。本书也需要一定的数学知识，主要是线性代数和概率论，但一样不用很熟。想我这样毕业n年，忘了差不多的人，看一下附录里的知识点温故而知新，就没问题了。很多人说书太理论性，其实这是我看的机器学习资料中，最接近实践的了。书上的内容写的很清楚，个人觉得结合例子一起看，也很易懂。很崇拜作者怎么能把这么一个外行人看来如此复杂的知识写的那么清楚。译者的水平也很高，很多技术书籍的译者我就不说了，看的那个累啊，读数时都是偏科生。但是这本书不错。我个人建议，是看一遍中文版的书先，然后再看遍英文版的，巩固下知识，也有助于了解英文中的名词，帮助你将来深入看英文资料。总的来书，本书还算是比较适合机器学习初学者的，个人非常推荐。大牛就可以飘过了。

只能说是本源码

这本书最大的优点在于有源码实现，很赞，但是理论部分太差了，看了逻辑回归和支持向量机两章，发现好多理论都没讲，就比如逻辑回归中的Cost函数都没说，如果不了解，源码读起来也是一头雾水，所以对于初学者还需要一本理论较强的书，推荐李航博士的统计机器学习方法，刚好配套～

一个合格的读者，应该明白自己需要什么

为什么我会力荐这本书？也许书中分类器都非常的简单，数学理论都非常的粗浅（为了看明白书中SVM分类器的训练过程，不得不去复习了二次凸优化解法，自己推导被作者略去的中间过程），算法测试也只在轻量级的数据集上完成。不过，大可不必像其他评论一样对贬低本书。聪明的读者会知道自己没有什么，自己需要学习什么。如果更加喜欢背后深奥的统计学理论和凸优化理论，可以去看《Machine Learning: A Probabilistic Perspective》，如果对自己的数学水平足够自信的话。这本书能让你明白：那些被吹捧得出神入化的分类算法，竟然实现起来如此简单；那些看是高深的数学理论，其实一句话就能道明其本质；一切复杂的事物，出发点都是非常简单的想法。我说不出这本书适合什么样的读者，但是却明白它不适合谁：学过一点机器学习或者模式识别或者数据挖掘，完全不具备统计推断和凸优化知识，又想找一条捷径，想从菜鸟摇身一变成大师的人；对编程不感兴趣的人，或者没有动手实践习惯的人；不喜欢独立思考，希望别人把答案摆在自己面前的人。祝君学运昌盛

主要注重实战

这本书基本上是基于一个例子讲解一种机器学习算法，但是朴素贝叶斯那一章就存在重大错误了！书页眉下面标注使用伯努利模型，但计算条件概率那段代码却是混合使用伯努利模型与多项式模型，网上流传已久的代码与算法描述页都是错误的，不知道为什么只有几个人提到这个错误了

没有惊喜，平庸！！

本书强调的是机器学习算法的Python实现，并未深入涉及这些算法的数学证明或推演。理解机器学习的算法本书就需要基本的数学基础。个人感觉还是先找本机器学习的书籍理解这些算法数学原理，然后在根据这本书编写Python代码，有助理解算法精髓。

机器学习里很实用有干货的一本书了

不夸夸其谈概念理论，有理论也有实战，对于熟悉机器学习各种算法有很大的帮助作用。虽然是一本基础类书籍，但是读了之后还是收获较大。一直在找实用性较高的机器学习方面的书，这本算是找到了。书中对算法的讲解简单清晰有条理，实战的例子也选得很恰当。

虽然简单，但确实有“实战”的味道

很好很强大，5块钱你买不了上当，5块钱你买不了吃亏。本书情节跌宕起伏，个别章节少儿不宜，需参看大神博客，才能打通。比如“svm三层境界”等。至于实战嘛，这是必须的，有完整的python代码和现成的数据供你把玩。比什么《推*系统实战》丰富精彩多了。

光看这本书肯定 只会算法 不会原理

理论没讲太明白，直接上算法，甚至还有公式缺失，代码不敢恭维就像大家说的一样 先看看线性代数、概率论、统计学再来看看这书吧我这10多年 php、java、c#、js通吃，本想python应该不难，竟然代码部分有东西看不懂了，不得不拿起本python的书对着看...

你们应当让机器说人话，而不是说鬼话

特别适合新手，特别适合新手，特别适合新手。长度适中，举例形象，概念浅显通俗。难得有一个条理清楚 逻辑不迷糊 不堆砌代码打哈哈的书。基于这个理由bonus给五星，以后给别人推荐就这本了。尤其是前面几章，介绍机器学习的基本概念。作者给我们指明了一个做ML的基本要求：“机器学习的目的在于提炼数据背后的隐含规律。你们应当让机器说人话，而不是说鬼话”。我觉得对于初学者这种概念非常有意义。可惜冲着过来看这本书的都是ML expert，根据书名和期望值就匆匆打了个低分就离开了。

还好的一本实战书

这本书的最大好处是让你能够用最基本的pyton语法，从底层上让你构建代码，实现我们常说的比如邮件过滤，数据分类的应用。很多时候你要写最基本的代码和结构去做这些工作，而不是像kaggle的tutorial或者其他的工程大多数告诉你一个lib库函数去调用，你能看到底层在干什么，决策树是怎么弄出来的，gradient descent是怎么弄出来的，知道机器学习是如何从低实现的。缺点就是评论上面说的各种，理论上不严密，其实这个有错误到是其次，主要是理论讲的不是很清楚不是很透彻。需要参考一些公开课老师讲的或者一些比较理论上的书籍，你才会发现原来作者不声不响加上的一些东西是这么来的。 有些作者写的机器学习的代码也是只对那个样本有效，遇到一般性的样本就会出现问题。但是总体来说，我觉得这本书还是告诉了我们机器学习从代码上是个什么样子。的确，它在理论上欠缺，而且讲的逻辑不是很清楚，但是市面上根本不缺理论的书，这本书有自己独特的位置。开始你按照它的代码走，到后来你觉得，诶这哥们写的代码有点问题啊，不过到最后还是得感谢他领你入门了。我觉得他的利还是大于弊，不过最好结合理论书和理论的公开课来一起学习，这样互补性很好。

需要自己去理解算法

现在刚读到第三章，决策树，感觉这本书主要是给出代码，并对代码作出解释，而对背后的数学原理讲解很少， 个人感觉读代码其实就已经知道干了什么，只是那些说明可以帮助理解代码，同时指明了代码阅读顺序。 所以这本书需要结合其他讲解相关算法的资料一起看。不过这正好让人更加直观的理解那些统计学知识了