具体描述
Written in an easily accessible style, this book provides the ideal blend of theory and practical, applicable knowledge. It covers neural networks, graphical models, reinforcement learning, evolutionary algorithms, dimensionality reduction methods, and the important area of optimization. It treads the fine line between adequate academic rigor and overwhelming students with equations and mathematical concepts. The author includes examples based on widely available datasets and practical and theoretical problems to test understanding and application of the material. The book describes algorithms with code examples backed up by a website that provides working implementations in Python.
用户评价
##从算法的角度学习ml，代码很有学习价值。
评分 评分##并不算特别基础的东西，但如果已经有一定的理论背景想要进入实践，这是一本很好的书。
评分##练NumPy。可惜没有完整电子版，图书馆又没有；网上的电子版在后半部分 有很多hidden page。稍带现代气息。
评分##前半部分数据、程序都很详细，对基础理论知识要求不高，一般有点基础的都能看懂，对于没有基础的一般在章节的最后有详细理论的讲解（如讲解神经网络的章节）。 但是后半部分有较多的错误，而且对理论知识的要求较高但没有详细讲解，建议有这部分理论知识之后再去...
评分##Explain machine learning algorithm with python examples. The description is easy to understand.
评分##练NumPy。可惜没有完整电子版，图书馆又没有；网上的电子版在后半部分 有很多hidden page。稍带现代气息。
评分##感觉这本书写得非常基础,但是内容又广,有点高不成,低不就,很多重点内容都没有
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 book.qciss.net All Rights Reserved. 图书大百科 版权所有