기계 학습 요리 책 / 참조 카드 / 치트 시트?

확률 및 통계 요리 책 및 데이터 마이닝을위한 R 참조 카드 와 같은 리소스는 매우 유용합니다. 그것들은 분명히 참고 자료로 잘 사용되지만 주제에 대한 내 생각을 정리하고 땅을 구하는 데 도움이됩니다.

Q : 머신 러닝 방법에 이러한 리소스가 있습니까?

각 ML 방법에 대해 다음을 포함하는 참조 카드를 상상하고 있습니다.

• 일반 속성
• 방법이 잘 작동하는 경우
• 방법이 제대로 수행되지 않을 때
• 이 방법이 일반화하는 방법 또는 기타 방법 대부분 대체되었습니다?
• 방법에 관한 논문
• 방법과 관련된 공개 문제
• 계산 강도

이 모든 것은 교과서를 통해 최소한의 파기를 통해 찾을 수 있습니다. 몇 페이지에 넣는 것이 정말 편리합니다.

최고의 무료 리소스 중 일부는 다음과 같습니다.

• Hastie, Friedman et al. 통계 학습의 요소 : 데이터 마이닝, 추론 및 예측
• 데이비드 바버. 베이지안 추론 및 기계 학습
• 데이비드 맥케이. 정보 이론, 추론 및 학습 알고리즘 (http://www.inference.phy.cam.ac.uk/mackay/itila/)

저자의 질문에 관해서는 "한 페이지에 모두"솔루션을 충족시키지 못했습니다

기계 학습을 배우려면 Andrew Ng 교수가 가르치는 겨울에 무료 온라인 ML 코스 에 등록하는 것이 좋습니다.

나는 가을에 이전 학습을했으며 모든 학습 자료는 뛰어난 품질을 갖추고 있으며 실제 응용 분야에 적합하며 책으로 혼자서 고생하는 것을 훨씬 쉽게 잡을 수 있습니다.

또한 직관적 인 설명과 최소한의 수학으로 아주 낮은 교수형 과일을 만들었습니다.

예, 당신은 괜찮습니다; Christopher Bishop의 "Pattern Recognition and Machine Learning"은 일반적으로 참고할 수있는 훌륭한 책입니다.

상당히 최근의 책이지만 매우 잘 쓰여지고 넓게 쓰여진 David Barber의 " Bayesian Reasoning and Machine Learning "; 내가 느끼는 책은이 분야의 새로운 이민자에게 약간 더 적합하다.

Hastie et al.의 "Statistical Learning의 요소"를 사용했습니다. (매크로가 언급 한) 매우 강력한 책이지만 첫 번째 참고 자료로는 권하지 않습니다. 더 전문적인 주제에 대한 두 번째 참고 자료로 더 나은 서비스를 제공 할 수 있습니다. 이러한 측면에서 David MacKay의 책인 Information Theory, Inference 및 Learning Algorithms 도 훌륭한 작업을 수행 할 수 있습니다.

이 질문은 중복되지 않는다는 의견이 일치하므로 머신 러닝 초보자를 위해 제가 가장 좋아하는 부분을 공유하고 싶습니다.

내가 발견 집단 지성 프로그래밍 저자 있기 때문에, 초보자를위한 쉬운 책 토비 세가 란이 데이터를 가능한 한 빨리 해킹에 그 / 그녀의 손이 더러워 얻을 수있는 중간 소프트웨어 개발자를 허용에 초점을 맞추고있다.

일반적인 장 : 데이터 문제에 대한 명확한 설명과 함께 알고리즘의 작동 방식에 대한 대략적인 설명과 몇 줄의 코드로 통찰력을 얻는 방법을 보여줍니다.

파이썬을 사용하면 모든 것을 빨리 이해할 수 있습니다 (파이썬을 알 필요는 없습니다. 진지하게도 전에는 몰랐습니다). DONT는이 책이 추천 시스템 작성에만 초점을 맞추고 있다고 생각합니다. 또한 텍스트 마이닝 / 스팸 필터링 / 최적화 / 클러스터링 / 검증 등을 다루므로 모든 데이터 마이너의 기본 도구에 대한 깔끔한 개요를 제공합니다.

Wis와 Frank, "Data Mining", Elsevier 2005는이 책과 함께 제공되는 Java 코드 라이브러리 (Weka)가 있으며 실제로 지향적이므로 자체 학습에 유용한 책입니다. 내가 가진 것보다 최신판이 있다고 생각합니다.

Stephen Marsland의 Machine Learning : Algorithmic Perspective가 있으며 자체 학습에 매우 유용합니다. 파이썬 코드는 책 전체에서 제공됩니다.

이 유리한 검토에서 언급 된 내용에 동의합니다.

http://blog.rtwilson.com/review-machine-learning-an-algorithmic-perspective-by-stephen-marsland/

"통계 학습의 요소"는 귀하의 목적에 맞는 훌륭한 책이 될 것입니다. 2011 년 초에 출판 된이 책의 제 5 판은 http://www.stanford.edu/~hastie/local.ftp/Springer/ESLII_print5.pdf 에서 무료로 구할 수 있습니다 .

• http://scikit-learn.org/stable/tutorial/machine_learning_map/

기계 학습 문제를 해결하는 데있어 가장 어려운 부분은 직무에 적합한 견적서를 찾는 것입니다. 다른 추정기는 다른 유형의 데이터와 다른 문제에 더 적합합니다. 아래의 순서도는 사용자에게 데이터를 평가할 추정기와 관련하여 문제에 접근하는 방법에 대한 대략적인 지침을 제공하기 위해 마련된 것입니다. 아래 차트에서 견적을 클릭하면 설명서를 볼 수 있습니다.

멋진 기계 학습 저장소 코드, 튜토리얼 등 자원의 마스터 목록 것으로 보인다 책 .

다른 답변에 언급 된 대부분의 책은 매우 훌륭하며 실제로 어떤 책에도 잘못 갈 수는 없습니다. 또한 파이썬에 대한 다음 치트 시트 가 scikit-learn매우 유용하다는 것을 알았습니다 .

나는 Duda, Hart 및 Stork "Pattern Classification"을 좋아합니다. 이것은 모든 것을 잘 설명하는 고전적인 텍스트의 최근 개정판입니다. 신경망과 SVM을 많이 다루도록 업데이트되었는지 확실하지 않습니다. Hastie, Tibshirani 및 Friedman의 저서는 최고에 관한 것이지만, 당신이 찾고있는 것보다 약간 더 기술적 일 수 있으며 주제에 대한 개요보다는 상세한 것입니다.

Microsoft Azure는 Anton Tarasenko가 게시 한 scikit-learn과 유사한 치트 시트를 제공합니다.

(출처 : https://docs.microsoft.com/en-us/azure/machine-learning/machine-learning-algorithm-cheat-sheet )

그들은 통지와 함께 :

이 알고리즘 치트 시트에 제공된 제안은 대략적인 규칙입니다. 일부는 구부러 질 수 있으며 일부는 크게 위반 될 수 있습니다. 이것은 출발점을 제안하기위한 것입니다. (...)

Microsoft는 추가 세부 정보를 제공하는 소개 기사도 제공합니다.

이러한 자료는 Microsoft Azure에서 구현 된 방법에 중점을 둡니다.

통계 학습의 요소로 시작하지 마십시오. 그것은 훌륭하지만 참조 책이며, 당신이 찾고있는 것과 같지 않습니다. 나는 쉽게 읽을 수있는 프로그래밍 집단 지능으로 시작할 것이다.

원리를 잘 설명하는 기계 학습에 관한 첫 번째 책을 강력히 추천합니다.

기계 학습의 첫 번째 과정 인 Rogers and Girolami (Chapman & Hall / CRC 기계 학습 및 패턴 인식), 2011.

Chris Bishop의 책 또는 David Barber의 책은 원칙을 잘 이해하고 나면 더 넓은 책을 선택합니다.

나는 그런 요약을 썼지 만 하나의 머신 러닝 작업 (Netflix Prize)에서만 195 페이지가 있습니다 : http://arek-paterek.com/book

기계 학습에 대한 무료 전자 책을 제공하는이 링크를 확인하십시오 : http://designimag.com/best-free-machine-learning-ebooks/ . 그것은 당신에게 유용 할 수 있습니다.

Max Kuhn의 Applied Predictive Modeling에 있는 치트 시트가 좋습니다 . 이 책에는 여러 ML 학습 모델에 대한 좋은 요약표가 있습니다. 이 표는 부록 A 페이지 549에 있습니다.