《机器学习实战》读书笔记

这个博主的阅读习惯真的挺好，吸取学习。

转载自： http://www.pythoner.com/238.html

1.书籍信息

书名：Machine Learning in Action
译名：《机器学习实战》
作者：Peter Harrington
译者：李锐 李鹏 曲亚东 王斌
出版社：人民邮电出版社
ISBN：978-7-115-31795-7
页数：332

2.纸张、印刷与排版

正常的16开本，纸张白色。
字体大小、行段间距正常。代码等特殊模块区分度较高。

3.勘误

本书勘误页（图灵社区）：http://www.ituring.com.cn/book/1021
译者勘误页：http://ir.ict.ac.cn/~wangbin/mli-book
个人总结勘误（部分已提交图灵社区）：机器学习实战_人民邮电_1版1印_勘误

4.笔记与评价

阅读级别：细读。
推荐级别：细读。

《机器学习实战》一书是图灵6月份出的新书。京东一直处于预定状态，直到6月22号才拿到这本书。本书使用Python语言讲解机器学习的各个算法，和《集体智慧编程》很像，对于代码的讲解非常细致。

本书分为四大部分：第一部分是分类，包括kNN、决策树、朴素贝叶斯、Logistic回归、SVM和AdaBoost；第二部分是利用回归预测数值型数据，包括线性回归、局部加权线性回归、缩减系数、树回归等；第三部分是无监督学习，包括K-means、Apriori、FP-growth等；第四部分是其他工具，包括PCA和SVD两种降维技术，以及MapReduce。本书附录部分包括Python入门（包括Python、NumPy以及一些其他第三方库），线性代数和概率论的简要入门，以及一些数据来源的资源（这里也可以参见《鲜活的数据》一文）。

本书的结构比较清晰，讲解思路也很好，代码、图表、示例都很丰富。不像《Python Algorithm》，《机器学习实战》这本书抛开了繁杂的数学公式和证明，通过大量的示例，以及完整清晰的代码，以程序员更能够理解的方式来讲解这些机器学习的算法。在《Python Algorithm》这样的书中，Python代码甚至看起来不那么重要，写的如同伪代码一般；而在《集体智慧编程》、《机器学习实战》这样的书中，所有的代码都是完整的、可立即执行的，并且附有大量的文字负责讲清楚每一个重要的代码块做了什么、为什么这么做。

由于本书使用的是Python语言讲解，因此大量的使用了NumPy和Matplotlib等Python机器学习中常用的第三方库。这里需要读者对这2个库的一些基本知识有一定熟悉。

需要特别说明的是，本书中对于SVM的讲解要比其他书籍更深入算法，在《集体智慧编程》等书中基本都是直接使用的LIBSVM，而没有自己实现。

本书中作者为函数、变量等的取名使用的都是小驼峰法，不过很多单词使用的都是取前几个字母的缩写形式，看起来会比较容易不知所措，可能需要上下文的代码或文字才能理解。另外，本书作者的代码中对于空格的处理不是很好，看起来并没有什么原则，同样的情况下是否空格却不相同，甚至会出现类似下面这样的语句（P299，L17）：
>>>a1=array([1, 2,3])

目测，代码部分译者一般都是直接搬的英文版，并没有做修改，因此这些虽然不影响运行但是看起来不舒服的代码就留了下来。

本书的翻译基本没有原则性的错误，语句也都比较通顺，不过小错误较多（部分错误源自英文版），一般不会影响读者阅读。

对于要研究机器学习的程序员们，这本书很适合入门哦～

5.思维导图

1.机器学习基础

2.k-近邻算法

3.决策树

4.基于概率论的分类方法：朴素贝叶斯

5.Logistic回归

6.支持向量机

7.利用AdaBoost元算法提高分类性能

8.预测数值型数据：回归

9.树回归

10.利用k-均值聚类算法对未标注数据分组

11.使用Apriori算法进行关联分析

12.使用FP-growth算法来高效发现频繁项集

13.利用PCA来简化数据

14.利用SVD简化数据

15.大数据与MapReduce

思维导图下载：
百度云网盘下载（图片版）
百度云网盘下载（mmap）

本文内容遵从CC3.0版权协议，转载请注明：转自Pythoner

本文链接地址：《机器学习实战》读书笔记