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？郑明智 译
没有复杂公式，152张图表
轻松掌握17种常用算法
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。
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。
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：
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。
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）
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。√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~）
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机器学习算法的方法，可以安利给其他小伙伴们。精选留言我们会选择 4位读者获得新书一本，感谢【图灵教育】赞助！快来留言吧！截至2021.7.25周日晚22点。
进技术交流群请添加AINLP小助手微信（id: ainlper)
关于AINLP
AINLP 是一个有趣有AI的自然语言处理社区，专注于 AI、NLP、机器学习、深度学习、推荐算法等相关技术的分享，主题包括文本摘要、智能问答、聊天机器人、机器翻译、自动生成、知识图谱、预训练模型、推荐系统、计算广告、招聘信息、求职经验分享等，欢迎关注！加技术交流群请添加AINLPer(id：ainlper)，备注工作/研究方向+加群目的。
阅读至此了，分享、点赞、在看三选一吧🙏
