读书感受之《机器学习》

  周志华的这本清华大学出版社出版的机器学习&＃xff0c;据说一度在各大电商平台计算机类书籍中排行都在前三&＃xff0c;可见现在人工智能的热度以及大家对其未来的预期之高&＃xff0c;不论是否能坚持读完或者能否理解部分内容&＃xff0c;只要买了书都算是一种上进心吧。

  感觉本书位于专业和科普中间但偏向专业性&＃xff0c;书中给出了不少的公式和推导&＃xff0c;如果忽略所有的数学公式&＃xff0c;本书适合作为机器学习方向的科普读物&＃xff1b;但是&＃xff0c;书中部分章节又有对公式的部分推导&＃xff0c;推导过程部分也没展开&＃xff0c;作为专业的图书又相对浅显。因此感觉这本书定位不明确&＃xff0c;也许正因为如此&＃xff0c;也许相关方面的书实在太少了&＃xff0c;让这本书这么盛行。
  开始几个章节会比较枯燥&＃xff0c;随着阅读深入就会被其内容吸引&＃xff0c;自己在看的时候没太关注数学公式&＃xff0c;只是去了解每个模块对应的概念和思想&＃xff0c;当做读小说里的故事情节。有很多概念之前都听过&＃xff0c;所以在书中见到还是挺熟悉&＃xff0c;不过&＃xff0c;不知道买这么书的人有多少真正看了内容&＃xff0c;能否有特别的收获。

  了解了机器学习相关的一些学习方法和基本思路&＃xff0c;对于没有从事相关行业的自己来讲&＃xff0c;相当于给自己建立了一个标签或者目录&＃xff0c;这个也许已经够了&＃xff0c;在真正需要的时候能根据自己的认知再去有针对性的深入了解&＃xff0c;应该就是俗话说的广泛撒网&＃xff0c;重点培养。
  自己也在每章扫过一遍后&＃xff0c;根据自己的理解简单写了点总结&＃xff0c;方便日后回忆和遍历&＃xff0c;下面是各模块目录&＃xff0c;序言中将章节分为三部分&＃xff0c;说第三部分是第二部分是进阶&＃xff0c;但其实难度并没有增加&＃xff0c;不过还是遵照其分类的笔记如下&＃xff1a;

第一部分

1. 基础概念

第二部分

1. 决策树
2. 神经网络
3. 支持向量机&＃xff08;SVM&＃xff09;
4. 贝叶斯分类器
5. 集成学习
6. 聚类
7. 降维

第三部分

1. 特征选择和稀疏学习
2. 计算学习理论
3. 半监督学习
4. 概率图模型
5. 规则学习
6. 强化学习

点击查看“全部读书清单​​​​​​​”