最近機器學習很熱門, 想學新的東西所以買了書,只是都很理論,(當然能力也不很夠)不容易了解
想請前輩介紹用過的簡單易懂的書(最好是有例子的) 謝謝

------
林文信

ML = DM + PR 可能這樣定義, 比較能跟古時候的TERM 連在一起.
DM = 由RAW DATA 發現規律/特徵
PR = 將RAW DATA 進用特徵進行分類
理論: DM 的, 如果找出特徵, 確認特徵.
PR 用特徵找分類資料.
Machine Learning For Dummies 理論和實用都有, 但不是你一般的應用, 沒什麼商業應用的想法.

===================引 用 linwinshin 文 章===================
最近機器學習很熱門, 想學新的東西所以買了書,只是都很理論,(當然能力也不很夠)不容易了解
想請前輩介紹用過的簡單易懂的書(最好是有例子的) 謝謝

Machine Learning Foundations (機器學習基石)

如果你想自學可以先聽線上教學, 有興趣再針對個別的題目去深入,

上面是台大教授中文教學非常淺顯易懂,

Machine Learning可以應用的場合頗多, 不過學習曲線會跟學習C 一樣....漫長

要有心理準備, 相關理論基礎包含統計, 基礎微分, 線性代數,...

建議理論儘量看, 看完再找程式實例驗證理論會比較有感覺, 否則很容易放棄~~

程式語言推薦
1. MATLAB 方便驗證圖形化結果讓你更快知道自己在幹嘛
2. WEKA 是JAVA開發資料採集著名的開放原始碼軟體, 也是很多現成模組方便套用資料
3. R語言跟MATLAB頗為類似的語法, 也有不少模組

以上供你參考

------


The first step toward proving things for yourself is to understand how others have done it before!

這位老兄講的, 兩集都是全理論, 原PO 是問怎麼用.
而這位台大教授講的理論, 在以前一本由PATTERN RECOGNITION 的書上全都有.
只是哪時不叫ML, 叫PR.
現在叫ML, 沒人叫PR 了. 該書的作者算衰到.
===================引 用 fusung 文 章===================

Machine Learning Foundations (機器學習基石)

如果你想自學可以先聽線上教學, 有興趣再針對個別的題目去深入,

上面是台大教授中文教學非常淺顯易懂,

Machine Learning可以應用的場合頗多, 不過學習曲線會跟學習C 一樣....漫長

要有心理準備, 相關理論基礎包含統計, 基礎微分, 線性代數,...

建議理論儘量看, 看完再找程式實例驗證理論會比較有感覺, 否則很容易放棄~~

程式語言推薦
1. MATLAB 方便驗證圖形化結果讓你更快知道自己在幹嘛
2. WEKA 是JAVA開發資料採集著名的開放原始碼軟體, 也是很多現成模組方便套用資料
3. R語言跟MATLAB頗為類似的語法, 也有不少模組

以上供你參考

感謝2位前輩的意見說明,
機器學習發展也有一段時間了,機器學習簡單入門的書不多 我個人看法是這個領域還有市場
這個問題的發問也顯示出久以來的問題，那就是網站人氣下滑不少
早期(大概10年前)我剛學DELPHI時,如果有一些前輩發表文章 或其他領域的知識,前輩及網友都會提供很多意見. 可以作技術交流也顯示出網站的人氣強,

這幾年人氣確實不如以往, 各位同仁及同好還有EMB老闆 大家加油 再不力往狂瀾 我們的最愛DELPHI可能會消失
了!?

------
林文信