好书推荐《sparse modeling Theory, Algorithms, and Applications》稀疏学习

今天给大家推荐一本书《sparse modeling  Theory, Algorithms, and Applications》，大家一看名字就猜到内容了，关于稀疏学习的，如果对机器学习或者统计比较了解的大家肯定都知道稀疏学习，那么这里我再简单说两句。那么什么叫稀疏学习呢，简单说，就是一个模型里边还有很多参数需要我们通过样本进行计算，比如线性里边回归系数，神经网络里边神经元与神经元之间连接的权重等。我们希望呢，这些参数在学习的过程中不要变的太大，这样容易导致过度拟合（overfitting），我就是我们要对参数进行一个约束，不要让它太嚣张，大家可能会说了，这不就是正则化吗，对的，稀疏学习本来就是正则化的一个方面。稀疏学习现在看来是非常重要的一个方向。因为现在的数据量越来越多，模型越来越复杂，这需要稀疏学习帮助我们迅速进行模型参数的学习，并且防止过度拟合。那么这本书就是学习稀疏学习（sparse
learning）的一个重要参考，这本书从稀疏学习的理论展开，比如l1，l2正则化，后面围绕着lasso regression进行了讨论，是本学习稀疏学习的好书内容实际上非常丰富。想要深入学习机器学习，肯定需要读的，推荐给大家。封面如下：