售价: ¥54.50 (7.9折)
  • 定价: ¥69.00
图书满¥59免运费且可货到付款详情
亚马逊的其他卖家
加入购物车
¥50.40
+ 免配送费
卖家: 新华文轩网络书店
加入购物车
¥51.10
+ 免配送费
卖家: 北发图书网旗舰店
加入购物车
¥51.80
+ ¥5.00 运费
卖家: 北京国际图书城网络体验店
前翻 后翻
正在播放... 已暂停   您正在聆听的 Audible 音频版本的样品。
了解更多信息
查看全部 7 张图片

机器学习实战 平装 – 2013年6月1日

平均4.5 星 133 条商品评论
| 天天低价·正品质优
|
分享
| 自营
广告

显示所有 2 格式和版本 隐藏其他格式和版本
亚马逊价格
全新品最低价 非全新品最低价
平装
"请重试"
¥54.50
¥50.40
促销信息: 满减 中文图书全场满200元减50元 共2个促销

全新品10 售价从 ¥50.40
退换承诺: 此商品支持30天免费退换 详情

Python学习用书:入门+进阶+专项应用
能为初学者夯实基础,能帮程序员提升技能,适合各个层次的Python开发人员阅读参考。 >>点击查看Python分级图书

click to open popover

商品促销和特殊优惠
  • 中文图书全场满200元减50元:
    已领优惠码
  • 中文图书全场满99元赠书:
    已领优惠码

经常一起购买的商品

  • 机器学习实战
  • +
  • 机器学习
  • +
  • 统计学习方法
总价: ¥147.80
共同购买所选商品

无需Kindle设备,下载免费Kindle阅读软件,即可在您的手机、电脑及平板电脑上畅享阅读。

  • iPhone/iPad/Mac
  • Android手机或平板电脑

请输入您的手机号码,获取Kindle阅读软件的下载链接。



基本信息

  • 出版社: 人民邮电出版社; 第1版 (2013年6月1日)
  • 外文书名: Machine Learning in Action
  • 丛书名: 图灵程序设计丛书
  • 平装: 315页
  • 语种: 简体中文
  • 开本: 16
  • ISBN: 9787115317957, 711531795X
  • 条形码: 9787115317957
  • 商品尺寸: 23.4 x 18.4 x 1.8 cm
  • 商品重量: 540 g
  • 品牌: 人民邮电出版社
  • ASIN: B00D747PTK
  • 用户评分: 平均4.5 星 133 条商品评论
  • 亚马逊热销商品排名: 图书商品里排第435名 (查看图书商品销售排行榜)
  • 您想告诉我们您发现了更低的价格?
    如果您是该商品的卖家,是否希望通过卖家支持建议更新

商品描述

编辑推荐

《机器学习实战》面向日常任务的高效实战内容,介绍并实现机器学习的主流算法。《机器学习实战》没有从理论角度来揭示机器学习算法背后的数学原理,而是通过“原理简述+问题实例+实际代码+运行效果”来介绍每一个算法。学习计算机的人都知道,计算机是一门实践学科,没有真正实现运行,很难真正理解算法的精髓。这本书的好处就是边学边用,非常适合于急需迈进机器学习领域的人员学习。实际上,即使对于那些对机器学习有所了解的人来说,通过代码实现也能进一步加深对机器学习算法的理解。
《机器学习实战》的代码采用Python语言编写。Python代码简单优雅、易于上手,科学计算软件包众多,已经成为不少大学和研究机构进行计算机教学和科学计算的语言。相信Python编写的机器学习代码也能让读者尽快领略到这门学科的精妙之处。

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。


看过此商品后顾客买的其它商品?

商品评论

热门买家评论

版本: 平装 已确认购买
一本书,带给读者的应该是知识与思考,我觉得这本书是好的,看重的不在于它是多么系统而又严谨,而是能给我带来多少的启发、思考,带来多少的便捷、实用。
已经看了9章,老实说,这本书的翻译可以给很高的分数,阅读起来没有障碍,很清晰、流畅。
如果你想了解机器学习的经典算法,如果你和我一样,觉得通过一些生活中具体而又有趣的例子来学习知识,如果你想了解一下python的开发基础和相关类库,那么这本书很适合你来阅读。
回应 41 个人发现此评论有用. 这条评论对您有用吗? 正在提交你的反馈。
感谢您的反馈。
很抱歉,我们没有记录您的投票。请重试
举报
评论者 Amazon Customer 于 2013年9月21日
版本: 平装 已确认购买
这本书不错,相对来说比较适合入门。如果想搞机器学习或者数据挖掘,想要了解相关的算法,可以看看这本书。
但是这本书讲得并不深,只是把算法简单地用python实现了出来,如果想了解更深刻应该去看相关的论文。
回应 21 个人发现此评论有用. 这条评论对您有用吗? 正在提交你的反馈。
感谢您的反馈。
很抱歉,我们没有记录您的投票。请重试
举报
版本: 平装
亚马逊的KINDLE样张能不能不要只截取前面的封面和导言?下个样张80%都是在感谢某某某的帮助,翻译这本书的心路历程……谁想看这些啊?能否带几页正文?样张下下来根本看不出来专业书籍在KINDLE内显示的效果如何,没法决定能不能买啊
回应 23 个人发现此评论有用. 这条评论对您有用吗? 正在提交你的反馈。
感谢您的反馈。
很抱歉,我们没有记录您的投票。请重试
举报
评论者 无知的人 于 2015年3月29日
版本: 平装 已确认购买
以一本入门教材而论,算是不错的了,毕竟关于这方面出色的书不多,这一本比较轻松。
程序可以,又有案例,用到python,不深,都有兴趣学机器学习了,学点python应该也没什么好抱怨的。
注意两点:
1)机器学习本身是硕士生以上级别的知识,别指望会简单到哪去
2)算法和程序毕竟都是入门学习级别的,并非最优
回应 26 个人发现此评论有用. 这条评论对您有用吗? 正在提交你的反馈。
感谢您的反馈。
很抱歉,我们没有记录您的投票。请重试
举报
版本: 平装 已确认购买
虽然附录有python安装教程但是正文对python的讲解明显是针对有一定python基础的编程者。
注意公认代码有一些错误...请搜索勘误表

这本书最大的有点和缺点也就是原理部分非常简略。
基本是非常生动有趣地告知基本思路,然后直接给出例题和代码。代码的解释也是比较简略的,建议至少结合吴恩达CS229的理论讲解。不然敲代码也只是练英文的大小写切换。

另外,附录虽然给了python本体和库的下载地址,我还是建议直接下载Anaconda,选择适合的python版本(建议2.7)即可。Anaconda内置了numpy等等科学计算用库(和python本体)
python零基础的弥补:
我个人采取的办法是先去刷coursera密歇根那套零基础的“大家的编程(Python入门)”,至少看前2部分。有配套教材可下载,已汉化。用1.5倍或者2.0倍看。这样看完至少看到代码,至少知道那些是内置函数哪些是自己取名的变量;还有哪里用了列表、字典的格式,有什么性质。遇到不认识的再去搜。这方面的网络资料还是很丰富的。
回应 9 个人发现此评论有用. 这条评论对您有用吗? 正在提交你的反馈。
感谢您的反馈。
很抱歉,我们没有记录您的投票。请重试
举报
版本: 平装 已确认购买
你需要知道几点:
1.这本书适合你做为机器学习的入门,python是个好东西,但是我强调一点,你一定要搞清楚,这本书的代码版本全是基于python2.5的,如果你做为一个菜鸟,初学者,不会命令行,不清楚自己机器python的版本,最好要去查一下自己机器的python版本,网上的教程很多。这个领悟有多么的痛,为在这就不多说了,我是python3.x的坚实拥护者,但学习这本书,很多代码运行起来是通不过的,涉及到python2.x与3.x的区别,个人就不再赘述。
2.学习机器学习的入门书有很多种,这个完全可以是作为好书推荐,当然大牛是看论文的,学到最后你还是发现,数学才是人类智慧的明珠。
3.这本书,一路看下来,如果用心的话,完全是可以看得懂,并且跟进敲写代码,但是如果再用心点,你会疑问为什么算法是这样的?最终还是数学,如果想知道算法的原理,想入坑的话,有很多书可以推荐。。。
4.这本书的封面真心丑,要是换成动物书那样的话,买的人估计会更多吧,个人鄙见。

希望以上可以给你们一些有用的内容。
2 条回应 17 个人发现此评论有用. 这条评论对您有用吗? 正在提交你的反馈。
感谢您的反馈。
很抱歉,我们没有记录您的投票。请重试
举报
评论者 Sean 五百佳评论者 于 2016年12月19日
版本: 平装 已确认购买
首先:买这本书是因为近期正在学习Python,看到这本书有算法实现的实例,就决定购买了;
其次:在没有看过原著的情况下,这本书的翻译还是挺顺畅的(虽然也可以几处翻译问题),但至少看起来有国内作者的风格,而不像英文书籍那样很多啰嗦的背景、原理的说明,理解起来还是比较通顺的;
第三:诚如作者在一开头就提到的,本书几乎没有提到数学推导,但是结合算法的背景描述、需求场景,还是能让读者看到对应算法是用来解决什么的;再次算法代码也有伪代码说明、代码实例、代码重点内容的文字说明(建议将这些文字说明以bullets的形式更好,而不是全以通文的形式来说明),能比较清楚的理解代码的实现逻辑;
第四:本书涉及的内容包括:KNN算法、Naive Bay饿死算法、Logistic Regression算法、SVM、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-Means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。(其中Apriori算法和FP-growth对我还是比较有帮助的,只是因为之前我对这方面的了解不多)
第五:虽然试了两个Python代码的例子,但比较遗憾的是,我也没有全部都尝试一遍。从Python代码的实现来看,Python版本是
...阅读更多 ›
1 条回应 2 个人发现此评论有用. 这条评论对您有用吗? 正在提交你的反馈。
感谢您的反馈。
很抱歉,我们没有记录您的投票。请重试
举报

按发表时间排序