当前的位置:文章吧 > 原创文章 >

python机器学习的读后感大全

2022-03-05 00:34:02 来源:文章吧阅读:载入中…

　　《python机器学习》是一本由Sebastian Raschka著作，机械工业出版社出版的平装图书，本书定价：79，页数：259，特精心从网络上整理的一些读者的读后感，希望对大家能有帮助。

　　《python机器学习》精选点评：

　　●书的结构层次很清晰，很适合入门。

　　●感觉一般般

　　●前几章不错，后边的讲解过于简略了。另外书中错误太多，有的公式都写错了。。。

　　●中规中矩而已

　　●学了一下，就是有点薄，希望再多一点就好了

　　●偏工程，要求它讲明白数学原理可能所求过高。本质还是一场大型的求导。

　　●翻译的不好。错误的地方很多，给译者发邮件也不回又看了一遍，还是给两星吧

　　●比较适合入门的工具书，可以时不时拿出来翻翻

　　●只看了前三章，一直没时间看完的书，结果我最后不做机器学习，做区块链了。

　　●20171016：首遍完，step by step 学习Scikit-learn，分类、回归、数据预处理、数据降维、模型选择、集成学习与情感分析的例子。

　　《python机器学习》读后感(一)：第三版19年下半年就出来了

　　工作需要，考虑到Tensorflow更新到2.0，最近买了第三版。结果公司用的Pytorch平台，开始以为是坏事，毕竟又要学一个模块，结果却发现是个宝藏，这完全就是升级版的Numpy，比Tensorflow好用多了。这套书从第二版开始细看的，相比于那本法国人写的高分壁虎书，我觉得自己还是习惯于这套作者的编排思路，浅层的理论、论文的引用、具体的python代码实现、模块的sklearn与tensorflow代码实现，该有的都有了。学生写的毕竟系统化，不像壁虎书硬是要解释的很通俗，导致文字过多。

　　《python机器学习》读后感(二)：视频教程

　　给大家分享一套课程--python机器学习实训营（2020版）

　　课程注重算法原理讲解与数学公式推导并基于Python语言给出完整的代码实现，从零开始实现每一模块功能（非调用工具包）通过代码实例演示算法工作流程与实现方法。建议同学们在学习过程中先掌握算法原理，基于数学推导公式进行代码复现与实战演练。

　　课程目录：

　　章节1:线性回归原理推导

　　章节2:线性回归代码实现

　　章节3:模型评估方法

　　章节4:线性回归实验分析

　　章节5:逻辑回归原理推导

　　章节6:逻辑回归代码实现

　　章节7:逻辑回归实验分析

　　章节8:聚类算法-Kmeans&Dbscan原理

　　章节9:Kmeans代码实现

　　章节10:聚类算法实验分析

　　章节11:决策树原理

　　章节12:决策树代码实现

　　章节13:决策树实验分析

　　章节14:集成算法原理

　　章节15:集成算法实验分析

　　章节16:支持向量机原理推导

　　章节17:支持向量机实验分析

　　章节18:神经网络算法原理

　　章节19:神经网络代码实现

　　章节20:贝叶斯算法原理

　　章节21:贝叶斯代码实现

　　章节22:关联规则实战分析

　　章节23:关联规则代码实现

　　章节24:词向量word2vec通俗解读

　　章节25:代码实现word2vec词向量模型

　　章节26:推荐系统原理分析

　　章节27:打造音乐推荐系统

　　章节28:线性判别分析降维算法原理解读

　　章节29:主成分分析降维算法原理解读

　　《python机器学习》读后感(三)：Python机器学习实训营（2020版）

　　Python机器学习实训营（2020版）

　　网盘地址：https://pan.baidu.com/s/1eC48oWKLQwU3Xni8ETMUMQ 提取码: 6fe6

　　备用地址（腾讯微云）：https://share.weiyun.com/ZzvqU5O5 密码：her5fa

　　Python机器学习视频教程，2020年录制

　　Python玩转机器学习（纯手工代码实现）课程旨在帮助同学们在机器学习领域打下坚实基础。

　　课程注重算法原理讲解与数学公式推导并基于Python语言给出完整的代码实现，从零开始实现每一模块功能（非调用工具包）通过代码实例演示算法工作流程与实现方法。