最近开始学习机器学习,不知道看哪本书比较好(PRML ESL or MLAPP)?

麻烦看过的前辈介绍一下经验,以及入门先修知识。

本人大四保研党

刚看过了统计学习方法


这三本都刷过一些,力荐MLAPP。

1. PRML 和 MLAPP有点像,都是罗列ML各种模型,但是PRML比MLAPP更加偏概率解释,有些为了概率而概率。MLAPP比较中立,内容更新一些,而且附件资料充足(有代码)

2. ESL内容侧重 与 “PRML 和 MLAPP” 都不同,细节往往都没有细讲,需要看对应的paper才能搞懂。不算是很适合的入门教材。

3. 此外还有一本 Foundations of Machine Learning


推荐MLAPP。理由如下:

(1)MLAPP对机器学习基本理论(概率、分布、推理)的解释到位,并且前几章专门进行这部分的知识补充、回顾和训练,非常有助于对具体模型的理解,在具体模型需要进行公式推导的时候也很有价值。

(2)MLAPP模型比较全,什么样的模型都有,不仅有基于贝叶斯统计的绝大多数常见机器学习模型,还包括了一些非概率模型或者概率解释很困难的模型。有时候后面这些模型也是有用的,即使你不用不代表跟你同组的人不用,有必要了解这些模型(PRML上这部分模型的资料相对缺乏)。

(3)对于基于概率的模型,有一些模型MLAPP讲的也足够全,毕竟是后编写的书籍,有一些更加符合时代潮流的方法,另外也讲的更细,有些方法如果只进行不深入的了解的话,不用查论文,直接看MLAPP就够了,这本身就是价值。有的方法即使PRML也讲到了,我也认为MLAPP讲的比PRML更优秀,比如kernel和sparse kernel machine。就像上面有人说的,PRML有点为了概率而概率。


和楼上不同,我力荐PRML。

理由:深入浅出,容易上手。MLAPP感觉作为第二本比较合适。


入门的话强推ISLR和周志华的买西瓜宝典。

PRML ESL MLAPP这三本其实内容都蛮深得,有一本能彻底看懂就已经很不容易啦。


机器学习基本算法[转载]机器学习基本算法 参考下


我就告诉你MLAPP符号优美。其他几本太丑。


现在是大四保研党,本科数学。

老板让我用周志华的《机器学习》和《Foundations of Machine Learning》一起协同学习。


反对用mlapp入门,这本破书里面一堆小错误,文章里面的错误会让人想半天不知所云,习题里面的错误让人做了半天,发现白费劲。prml也有错误,但没那么多,而且习题集里面也标出了很多错误的地方。缺点是prml有些太为了数学而数学,不能浅显的讲明白问题。


我觉得最好的书是PRML,非常易懂,但是有些内容没有,比如Gradient boosting, Random forests.

其次是ESL,内容很全,PRML有的基本都有,而且讲的很详细。不过我感觉不是很好懂,比PRML差很多。

MLAPP没怎么看,不过就我看的那些内容来说感觉讲的太浅,没有细节。

初学机器学习,求大神轻拍。


机器学习:《数据挖掘实用机器学习工具与技术》、《数据挖掘导论》、《机器学习》、,《数据挖掘与机器学习WAKA应用技术与实践》

Python:《利用Python进行数据分析》、《Python基础教程》、《Python Cookbook》、《“笨办法”学Python》

MATLAB:《精通MATLAB》、《MATLAB R2014a从入门到精通》、《MATLAB R2014a完全自学一本通》、《MATLAB宝典》

数据库:《MongoDB权威指南》、《数据库系统概念》、《SQL语言与数据库操作技术大全》、《Oracle从入门到精通》

R语言:《统计建模与R软件》、《R语言实战》、《ggplot2数据分析与图形艺术》、《数据挖掘与R语言》


推薦閱讀:

如何評價Kaggle舉辦的Rental Listing Inquiries比賽?
CMU HCI 具體學些什麼?
信息檢索入門?
Linear least squares, Lasso,ridge regression有何本質區別?

TAG:人工智能 | 数据挖掘 | 机器学习 | 统计学习 | 统计学习方法 |