从头开始机器学习

为什么选择这本书¶

有许多关于机器学习的好书都是由知识渊博的作者撰写的，涵盖了更广泛的主题。我特别建议《统计学习简介》、《统计学习要素》以及《模式识别和机器学习》，所有这些都可以在网上免费获得。

虽然这些书提供了机器学习及其方法背后的理论的概念概述，但本书重点介绍了机器学习算法的基本框架。其主要目的是为读者提供独立构造这些算法的能力。继续工具箱的类比，本书旨在作为用户指南：它的目的不是教用户该领域的广泛实践，而是教用户每个工具如何在微观层面上工作。

这本书是为谁而写的¶

本书适合希望学习新的机器学习算法或更深入地了解算法的读者。具体来说，它是为有兴趣了解机器学习算法从头到尾衍生的读者而准备的。查看这些推导可能有助于以前不熟悉常见算法的读者直观地理解它们是如何工作的。或者，看到这些推导可能会帮助有建模经验的读者了解不同算法如何创建它们所做的模型以及每种算法的优点和缺点。

这本书对于那些有基础建模实践的人来说是最有帮助的。它不会审查最佳实践（例如特征工程或平衡响应变量），也不会深入讨论某些模型何时比其他模型更合适。相反，它侧重于这些模型的元素。

读者应该知道什么¶

这 概念 本书的各部分主要需要微积分知识，尽管有些部分需要理解概率（考虑最大似然和贝叶斯规则）和基本线性代数（考虑矩阵运算和点积）。附录回顾了理解本书所需的数学和概率。概念部分还参考了一些常见的机器学习方法，附录中也介绍了这些方法。概念部分不需要任何编程知识。

这 建造 和 代码 本书的各部分使用了一些基本的 Python。构建部分需要了解相应的内容部分并熟悉在 Python 中创建函数和类。代码部分两者都不需要。

在哪里提出问题或提供反馈¶

您可以在此处提出问题或发送电子邮件至 dafrdman@gmail.com。您还可以在此处的 Twitter 或此处的 LinkedIn 上与我联系。