在机器学习领域，有一个著名的“没有免费的午餐”定理（No Free Lunch Theorem）。该定理告诉我们，没有什么算法适用于所有现实问题，对于不同的问题，要选择相应的算法来解决。

可是，机器学习算法种类繁多，特别是其数学原理甚为复杂，密密麻麻的公式往往让很多初学者望而生畏。算法本身就很难理解，更别提根据具体情况选择合适的算法了！对于初学者来说，有没有什么更友好的方式入门呢？

既然数学这条路不通，那不如试试用图搞定吧！

《图解机器学习算法》

[日]秋庭伸也，杉山阿圣，寺田学 著

郑明智 译

没有复杂公式，152张图表

轻松掌握17种常用算法

新书首发，限量五折

先来看看日本网友是怎么评价这本书的。

不公平！！！

我这边学得那么辛苦，却不知这本书整理得那么好。

不过能轻松看懂PRML（Pattern Recognition and Machine Learning）、ESL（Elements of Statistical Learning）的人是用不着这本的。

数学公式推导着推导着……

“咦？这个是做什么的来着？”

——如果你也曾这样，不如先整理好“旅行地图”！

每个算法用几页的篇幅来讲解，虽说不能立马就会用，但是用来整理思路，或者在向客户说明算法时用来参考，都是非常不错的呢！

这本在日亚斩获无数好评的书，究竟是什么样的，我们来一探究竟。

● 这本书讲了什么？

话不多说，先上结构图：

1. 把握全貌

在第1章，我们将对什么是机器学习，以及机器学习的工作流程有一个大致的把握。书中的介绍均以事例为基准，非常直观易懂。比如分类是这样的：

回归是这样的：

2. 逐个突破

全彩图表 | 具体示例 | Python代码，详解各种算法。

第 2~3 章是本书重点，将详细讲解有监督学习和无监督学习的 17 种算法，涉及回归、分类、降维、聚类等问题。

（本书涉及的算法）

对各种算法的介绍主要以“图解”的方式进行，直观易懂。在这两章，我们可以了解到各算法的特点，以及如何为数据集选择合适的算法。

各算法自成一节，方便作为案头书随时查找，大家也可挑选感兴趣的算法来阅读。

向左滑动查看更多

3. 进一步介绍评估方法等实践性的内容

在运行机器学习算法创建模型后，还要评估模型是否有用。所谓“没有测量，就没有科学”，在机器学习领域，对模型的评估非常重要。第 4 章将重点介绍有监督学习的评估方法、提高模型性能的方法，以及对较为复杂的文本数据、图像数据的转换处理。

（第4章介绍的评估指标）

● 本书特色

1.全面：网罗有监督学习和无监督学习的17种算法，涉及回归、分类、降维、聚类等问题。

2.直观 ：全彩图解，让原本抽象复杂的算法变得一目了然，方便读者快速了解各算法的特征，学会如何选择恰当的算法。

3.易懂：几乎没有数学公式和统计术语，零基础也可轻松读懂。

4.实现：各算法均用Python代码实现，读者可下载配套代码资源，边试边学。

● 本书适合读者

√对机器学习感兴趣的初学者

√了解一些机器学习算法，想学习更多机器学习算法的人

√不擅长数学公式，在阅读机器学习专业书时感到吃力的人

√希望能够根据要解决的问题选择恰当的机器学习算法的人

√有一定的编程经验，能够运行示例代码的人

如果你在学习机器学习时，也为算法感到吃力，不妨试试本书，看看会不会有柳暗花明的效果吧~

（本书采用100g高档胶版纸全彩印刷，同时也非常适合收藏~）

 文末互动 

小伙伴们留言说说你在机器学习中遇到哪些劝退你的困难？或者你有什么好的学习算法的方法，可以安利给其他小伙伴们。精选留言我们会选择 3 位读者获得新书一本，你将有可能成为这本书的第一批读者哦！快来留言吧！截至2021.6.25。

图 灵 社 群

☟☟ 新书首发，今天只要47.4