图书标签: 机器学习  MachineLearning  人工智能  计算机  统计学习  数据挖掘  ML  数学   

喜欢 Foundations of Machine Learning 的读者还喜欢

• 
  Information Theory, Inference and Learning Algorithms pdf epub mobi txt 电子书 下载
• 
  Bayesian Reasoning and Machine Learning pdf epub mobi txt 电子书 下载
• 
  Probabilistic Graphical Models pdf epub mobi txt 电子书 下载
• 
  The Elements of Statistical Learning pdf epub mobi txt 电子书 下载
• 
  Numerical Optimization pdf epub mobi txt 电子书 下载
• 
  Pattern Recognition and Machine Learning pdf epub mobi txt 电子书 下载
• 
  Learning with Kernels pdf epub mobi txt 电子书 下载
• 
  Understanding Machine Learning pdf epub mobi txt 电子书 下载
• 
  Algebraic Geometry and Statistical Learning Theory pdf epub mobi txt 电子书 下载
• 
  统计学习理论的本质 pdf epub mobi txt 电子书 下载

采用讲decision function, loss function, 误差分析这种比较符合一般思路的方式写的，和李航那本相比框架差不多，内容略多些，数学分析也比较多

看完了附录和RL部分，讲的很好！喜欢完备数学推导的推荐这本，比PRML新很多。

虽然PRML已经涵盖了足够的algorithm，虽然看完此书你一样很难设计effective model，但还是强烈建议MLer在空闲之余翻翻此书。不在于里面廉价的theory和technique，而在于它较严格体现的Occam剃刀原则是贯穿ML的核心idea。

理论部分写的很好，推导完整，对基础很有帮助。但是出于私心从rademacher开始写的，VC维等反而往后放，有点不尊重历史了

这本书里的证明大多写得很漂亮，节奏很好，喜欢。

作为一名非科班的学渣级别的初级机器学习从业者，对于learning theory，我内心其实是拒绝的，大段大段（对于我而言似是而非）的公式推导，各种不等式缩放，对数学功底的要求还是颇高的。但是迫于发paper的需要，还是时常不得不证明一些bound，从而达到升华自己文章逼格，取悦re...

作为一名非科班的学渣级别的初级机器学习从业者，对于learning theory，我内心其实是拒绝的，大段大段（对于我而言似是而非）的公式推导，各种不等式缩放，对数学功底的要求还是颇高的。但是迫于发paper的需要，还是时常不得不证明一些bound，从而达到升华自己文章逼格，取悦re...

作为一名非科班的学渣级别的初级机器学习从业者，对于learning theory，我内心其实是拒绝的，大段大段（对于我而言似是而非）的公式推导，各种不等式缩放，对数学功底的要求还是颇高的。但是迫于发paper的需要，还是时常不得不证明一些bound，从而达到升华自己文章逼格，取悦re...

作为一名非科班的学渣级别的初级机器学习从业者，对于learning theory，我内心其实是拒绝的，大段大段（对于我而言似是而非）的公式推导，各种不等式缩放，对数学功底的要求还是颇高的。但是迫于发paper的需要，还是时常不得不证明一些bound，从而达到升华自己文章逼格，取悦re...

作为一名非科班的学渣级别的初级机器学习从业者，对于learning theory，我内心其实是拒绝的，大段大段（对于我而言似是而非）的公式推导，各种不等式缩放，对数学功底的要求还是颇高的。但是迫于发paper的需要，还是时常不得不证明一些bound，从而达到升华自己文章逼格，取悦re...