🔥全书围绕四个主题来讲述机器学习:
机器学习是什么?
机器学习的可行性在哪?
机器学习怎么学?
如何学好机器学习?
💡全书根据这四个主题展开对机器学习的细致性讲解,内容涉及到机器学习的
各个方面,包括线性回归、对率回归、正则化回归、支持向量机、朴素贝叶斯
、决策树等经典算法。
下面展示一下本书内容:(文末领取电子版PDF)
目录
第1章机器学习是什么——机器学习定义
第2章机器学习可行吗——计算学习理论
第3章机器学习怎么学——模型评估选择
第4章线性回归
第5章对率回归
第6章正则化回归
第7章支持向量机
第8章朴素贝叶斯
第9章决策树
第10章人工神经网络
第11章正向/反向传播
第12章集成学习
第13章随机森林和提升树
第14章极度梯度提升
第15章本书总结
结语
内容结构
全书围绕学习并精通机器学习的四个关键步骤展开,共15章。
第1章介绍“机器学习是什么”,从定义出发,详述机器学习涉及的知识、数据和性能度量,包括结构型与非结构型数据、原始数据与加工、样本内与样本外数据等,还阐述了有监督学习、无监督学习、半监督学习、增强学习、深度学习、迁移学习等机器学习类别,以及误差函数、回归度量、分类度量等性能度量的内容。
第2章探讨“机器学习可行吗”,介绍机器具备学习样本以外数据的能力,涵盖二分类、对分、增长函数、突破点等基础知识,以及核心推导过程,如机器学习可行条件、从已知推未知等,还涉及vc不等式、vc维度、模型复杂度、样本复杂度等结论应用。
第3章讲解“机器学习怎么学”,即机器如何选择最优模型,包括模型评估、训练误差和测试误差、验证误差和交叉验证误差、误差剖析、偏差—方差权衡、模型选择等内容。
第4至14章聚焦“如何学好机器学习”,重点介绍各类机器学习算法和调参技巧,如线性回归、对率回归、正则化回归、支持向量机、朴素贝叶斯、决策树、人工神经网络、集成学习、随机森林和提升树、极度梯度提升等算法。
第15章介绍机器学习中的一些实用经验,如学习策略、目标设定、误差分析和偏差与方差分析。
①有趣的引言故事
②清晰的思维导图
③创意的自画图表
④详细的算法推导
每个知识点都实现了理论与实践的完美结合,严谨的数学推导、丰富多样的代码展示、图文并茂。这四大特色彼此配合、相辅相成,达成了趣、美、准、全的阅读体验,让每一位读者都能够从本书中收获满满,在充满趣味的氛围中快乐地学习机器学习知识。
学习及工作经历:现任新加坡某金融咨询公司总监的王圣元,在学术和教学领域成绩斐然。他毕业于新加坡国立大学,成功获取量化金融学士学位与金融数学硕士学位。在新加坡国立大学攻读硕士学位期间,凭借自身扎实的专业知识和独特的教学魅力,担任金融数学课程的辅导老师。他在教学过程中善于运用灵活多变的教学方法,将复杂的金融数学知识讲解得通俗易懂,深受学生们的喜爱,教学成果显著。在教课结束时,更是凭借出色的表现被评为“优秀辅导老师”。他秉持“Yearning for Learning, Leading by Reading, Distilling by Writing”(多学多读多写,终身渴望学习,通过读书保持领先,通过写作用心灌输)的信条,这种积极的学习和分享态度贯穿于他的职业生涯与个人成长历程之中,也在一定程度上影响着他的读者和追随者,激励着更多人在知识的海洋里不断探索。 适 读 人 群 有一定数学和统计学基础的高中以上学历者丨机器学习初学者丨高校相关专业学生
特色亮点
表述通俗易懂:作者致力于深入浅出地介绍机器学习,使复杂晦涩的专业知识变得易于理解,降低入门门槛,让初学者感觉不难,有基础的读者也能觉得内容丰富
多种方式辅助理解:书中运用有趣的引言故事激发读者兴趣,通过清晰的思维导图明晰结构,使用自画图表增强美感,借助公式推导讲透原理,达到趣、美、准、全的效果,让读者能快乐学习机器学习。每个知识点都将理论和实践紧密结合,既有严谨的数学推导,又有多样的代码展示,图文并茂。
读者书评
有读者认为这是机器学习最好的入门书籍之一,无论是思维导图,还是一些算法的图像展示,都十分惊艳,如同跟着视频在学习,书中每个章节的案例有深入浅出的风格,幽默有趣又易懂。
也有读者表示,该书从理论到实践不仅可以让人领略机器学习算法的魅力,同时能带来快乐,全书通篇图文并茂,浅显易懂又不缺乏专业的指导,是初学者和经验丰富的从业者畅游算法世界的一本好书。
1、一键三连+关注
2、后台回复“机器学习”