机器学习、模式识别、知识发现、数据挖掘等的书评
2013-05-21 15:29
399 查看
【数字书评】机器学习、模式识别、知识发现、数据挖掘等的书评(一)来源: 肖寒的日志
你可能看到了标题以为我要推荐四个方面的书,但很遗憾的告诉你,这四个方面都是一回事,讲的内容都是那些;个别领域有自己的一点独特内容罢了,所以我今天就我看过的学习理论的书来个书评好了。PS:这是作者自己的看法,不代表真实情况,不喜勿喷;每个人看法都不同,没必要要别人和你有相同的看法。你要是觉得不对,可以自己写个书评啦。
一、现代模式识别
这本书是我读学习理论的第一本书,经典无误,可以说是模式识别类的圣经教材。
优点:这本书涵盖的范围很广,几乎囊括所有的常见的经典学习理论;然而有轻有重,对一些非主流方法只是略有介绍,重点还是常用的学习算法。
缺点:这本书如果说是一本数学书的话也不过分,数学不好的同学可以暂时退散了;还有本书对聚类算法讲解的甚少。
适合:本书适合数学较好的,希望入门学习理论的孩子。
二、模式分类(Duda)
这本书是公认的模式识别的圣书,内容相对比较简单,但是部分习题难度很大(可能需要非线性泛函的内容)。
优点:内容安排由浅入深,适合初学者学习;习题难度大体适中,而且很有启发性。
缺点:这本书的优点是适合初学者,缺点也是如此;内容的难度偏低广度偏少。
适合:适合想学习模式识别、但没有太多基础的孩子。
三、模式识别(希腊人写的)
这本书对聚类算法有非常独到的研究,并且大部分都在讲聚类算法。
我看过这本书的中文版和英文版,觉得特别的不错,个别地方能用简单的推导和显而易见的事实进行说明,十分容易理解。
优点:聚类算法讲解的十分有特色、相比十分的全面;内容风趣、能用简单的公式和显见的事实说明白问题,可以说是“深入浅出”。
缺点:就是过分的偏重聚类分析了。使其他形式的学习算法内容偏少,特别对SVM的解释更少,所以想要了解分类算法的孩子还是不要看这本书了。
适合:想要看聚类算法的孩子、喜欢“深入浅出”讲解的孩子。
四、模式识别原理方法及应用
这本书我只看过一遍,觉得还可以, 但是内容偏少,可以作为以上数目的参考书目。
适合:适合作为主要教程的参考书目。
五、模式识别(边肇祺)
这本书,在国内算是相当的出名了,网上还能找到这本书的非官方习题解答。
这本书没什么显然的优点和缺点,就是一本正规的教材,没准你们上课时还能用上呢。=v=
适合:因为是很多学校的教材吧,所以适合应付考试的孩子。
六、图像模式识别——VC++技术实现。
其实,学习理论的书大都很抽象,而往往我们要动手进行实践的时候却无所适从。
看到这本书你是否眼前一亮呢?
可惜的是,这本书里面的代码基本上就是最简单的分类器的代码;与说有编码的重用性,到不如说这代码完全不可用。说实话,我点击光盘里面的例子,一个都没识别对。。。T-T 所以之后我才自己想要动手写一个学习算法的类库呢。
适合:被骗的人。
七、模式识别中核方法的应用
尼玛呀,这本书买错了;我本想买的是“模式分析中核方法的应用”,没想到买回来的是这本,T-T 哭瞎了。
不过这本书也不错,这本书侧重于用核方法来解决数据预处理的问题,对于之后的分类介绍的甚少。
实验结果很明了,还算是一本好书。
适合:对核方法有一定了解,想知道如何用核方法进行数据预处理的孩子。
八、机器学习(Mitchell)
这本书可以算是机器学习界的老大了吧(个人看法),因为我们实验室要和mitchell的实验室有联合项目,所以我又看了一遍这本书。
这本书和模式识别有的不同在于,机器学习侧重于离散学习问题,而模式识别基本上都侧重于连续的特征的学习。所以说,就算是方法一样,侧重也有不同,还是需要看一下的。
优点:结构安排很合理,能把枯燥的统计学习理论(VC维那些)讲解的十分的明了。
缺点:后面的部分章节需要人工智能中推理的知识;还有就是本书内容比较浅,不适合深入学习使用。
适合:喜欢数据挖掘的孩子不容错过的入门经典。
九、机器学习导论
你可能对称为导论的书有所忌惮。但很高兴的告诉你,这本书还算简单。
这本书的内容可以说比较广泛,一般该有的学习算法都囊括其中;
但300页的小薄册子的限制,每种学习算法讲解都相当的粗浅。
所以适合想学习机器学习但又苦于没有基础的孩子。
十、数据挖掘实用学习技术。
亲,你通过weka么?就是一个机器学习的java类库。
亲,如果你没听过的话,这本书第三部分就会详细的引领你进入weka世界。
亲,这本书的理论知识不多,讲解也比较粗浅。但是后面有weka的实践哟。
亲,喜欢实践的你,不容错过哟。
十一、神经网络与机器学习
这本书,如果我没记错的话,超级的贵,好像得90+吧。
本书的内容主要是从神经网络这个角度窥视整个机器学习领域,可以说是一本相当不错的书(圣书级别的)。
但是,本书需要很高的数学基础(你知道自伴算子和Green函数么?你知道Hibert几何学么?你知道框架和线性算子理论么?不知道的还是退散一下吧 T-T)。
除了十分高的数学基础外,本书还要有很大的耐心,因为即便是数学上的障碍扫除了,还有很多各种奇怪的东西。
难度很大哟,收获也很大哟。
十二、机器学习方法
一本很平淡的书,貌似偶尔还能在书中看到一些别的书的图,不解释。
这本书对很多理论的阐述一知半解,我个人看法不算一本太好的书。
书评一暂时到此,如果每篇12本的话,可能还需要5、6篇日志,希望大家捧捧场。。。
我会继续的YY的。
相关文章推荐
- 人工智能、机器学习、数据挖掘、知识发现的国际顶级会议排名榜
- 美国 2006 年机器学习和知识发现年会数据挖掘使用率较高算法排名
- 现阶段对数据库中知识发现KDD、数据挖掘、集成学习、深度学习、机器学习、人工智能、统计学、大数据、云计算的个人理解:
- 经典的机器学习方面源代码库(非常全,数据挖掘,计算机视觉,模式识别,信息检索相关领域都适用的了
- 常用的数据挖掘&机器学习知识(点)
- 数据挖掘、机器学习、模式识别的区别
- 经典的机器学习方面源代码库(数据挖掘,计算机视觉,模式识别,信息检索)
- 机器学习、模式识别与数据挖掘之间的关系
- 经典的机器学习方面源代码库(非常全,数据挖掘,计算机视觉,模式识别,信息检索相关领域都适用的了)
- 经典的机器学习方面源代码库(非常全,数据挖掘,计算机视觉,模式识别,信息检索相关领域都适用的了)
- 机器学习入门的书单(数据挖掘、模式识别等一样)
- 经典的机器学习方面源代码库(非常全,数据挖掘,计算机视觉,模式识别,信息检索相关领域都适用的了)
- [转] 数据挖掘 机器学习 模式识别的关系
- 模式识别、机器学习、数据挖掘当中的各种距离总结
- 简单理解:人工智能、数据挖掘、模式识别、机器学习、深度学习
- 【摘录】大数据挖掘与知识发现的应用领域
- 经典的机器学习方面源代码库(非常全,数据挖掘,计算机视觉,模式识别,信息检索相关领域都适用的了)
- 经典的机器学习方面源代码库(非常全,数据挖掘,计算机视觉,模式识别,信息检索相关领域都适用的了)
- 数据挖掘和知识发现的技术、方法及应用
- 数据集——用于数据挖掘、信息检索、知识发现等