《机器学习实战》 Peter Harrington

学无止境

         

书名：机器学习实战
作者：Peter Harrington
分类：Python 机器学习
ISBN：9787115317957

内容简介

机器学习是人工智能研究领域中一个极其重要的研究方向，在现今的大数据时代背景下，捕获数据并从中萃取有价值的信息或模式，成为各行业求生存、谋发展的决定性手段，这使得这一过去为分析师和数学家所专属的研究领域越来越为人们所瞩目。

本书第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具。

全书通过精心编排的实例，切入日常工作任务，摒弃学术化语言，利用高效的可复用Python代码来阐释如何处理统计数据，进行数据分析及可视化。通过各种实例，读者可从中学会机器学习的核心算法，并能将其运用于一些策略性任务中，如分类、预测、推荐。另外，还可用它们来实现一些更高级的功能，如汇总和简化等。

作者简介

Peter Harrington

拥有电气工程学士和硕士学位，他曾经在美国加州和中国的英特尔公司工作7年。Peter拥有5项美国专利，在三种学术期刊上发表过文章。他现在是Zillabyte公司的首席科学家，在加入该公司之前，他曾担任2年的机器学习软件顾问。Peter在业余时间还参加编程竞赛和建造3D打印机。
   

学无止境

《机器学习实战》由Peter Harrington所著，以其实用性和深入浅出的解释，成为了众多读者学习和了解机器学习的重要书籍。以下是对该书不同部分的精彩点评：

1. 机器学习基础：本书的第一部分为读者铺垫了机器学习的基础知识。作者介绍了如何利用算法进行分类，涵盖了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归等。
   
2. 监督学习算法：书中详细讲解了包括支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法在内的多种监督学习算法，加深读者对于这些核心算法在分类问题中的应用与理解。

3. 无监督学习：在第三部分中，作者重点介绍无监督学习及其一些主要算法，例如k均值聚类算法、Apriori算法和FP-Growth算法。

4. 实战编程实例：全书通过精心编排的实例，切入日常工作任务，利用高效的可复用Python代码来阐释如何处理统计数据、进行数据分析及可视化。

5. 高级功能实现：通过各种实例，读者不仅学会机器学习的核心算法，并能将其运用于一些策略性任务中，如分类、预测、推荐，甚至实现更高级的汇总和简化功能。

6. 算法附属工具：除了机器学习算法本身，第四部分还介绍了与机器学习算法相关的一些附属工具，帮助读者更全面地了解机器学习的工具链。

7. 案例应用实践：本书不仅停留在理论层面，而是以实际案例引导读者通过实战提高解决问题的能力，把握机器学习算法在现实世界中的应用脉络。

综上所述，《机器学习实战》是一本结合理论与实践，将机器学习核心概念与算法以实用案例呈现给读者的书籍。Peter Harrington以易于理解的语言，带领读者进入机器学习的世界，无论是基础理论的学习，还是算法应用的实践，都让读者能感受到机器学习带来的无限可能。