Learning From Data经典读后感有感

《Learning From Data》是一本由Yaser S. Abu-Mostafa / Malik Mag著作，AMLBook出版的Hardcover图书，本书定价：USD 48.00，页数：213，特精心收集的读后感，希望对大家能有帮助。

《Learning From Data》读后感(一)：想问下，这本书哪儿有电子版

在CIT的机器学习和数据挖掘课程上看到这本书，目录看起来很不错，应该比Andrew Ng课程更偏重理论些。这本书就是CIT课程授课内容的总结，这种书看起来比直接看教材要容易多，只是一直没有找到这本书，请问有人有电子版吗？

《Learning From Data》读后感(二)：非常精彩的书

前后历时半年多，总算把LFD的习题整理完了，除了第六章，第八章和第九章少部分习题以外，其他所有习题均已完成。教材的上半部分（第一章到第五章）是精髓，补充部分（第六章到第九章）有部分章节稍显仓促，而且有一些小错误，第九章部分实际应用可能较少，但是总的来说，本书绝对是一本不可多得的好书。

这本书是台大林轩田老师的机器学习课程配套教材，内容通俗易懂，非常精彩，不是单纯罗列公式，是一本非常适合入门的机器学习书籍。但是尽管该书是一本入门书籍，要吃透这本书还是需要相当多的时间，尤其是课后习题部分，有的难度非常大，所以我在学习的过程中将习题都整理了一遍，方便自己以后查阅和他人参考。所有资料都开源在我的github上https://github.com/Doraemonzzz/Learning-from-data， 如果各位读者发现哪里有问题或者有更好的解法，可以发issue或者给我发邮件，我会及时更新我的习题解答，谢谢。

《Learning From Data》读后感(三)：机器学习基石，选材确是基石

暑假在家闲来无事又看了一遍林轩田老师的《机器学习基石》的课，趁着赶完文章之后忙里偷闲又重新读了一遍这本书，感觉第一遍真的是没有读懂。

这本书的写作思路和《Understanding Machine Learning》 以及《Foundation of Machine Learning》很相似，都是从generalization theory角度讲，只是这本书比较浅，只介绍到VC维，其他两本书都介绍了PAC理论。如果不是做研究的话，其实到VC维可能也就差不多了。对于train到test的泛化的理解，我觉得通过这本书应该可以有一个比较直观且精准的理解了。如果想了解更多，还是需要看前面提到的两本书。

同时，这本书里Chapter 3 The Linear Model一章，写的很清楚，把三类最重要的线性模型(线性分类、线性回归、对率回归)说的很清楚，并且横向对比，条例很清晰。

我还是很推荐初学者学习一下林老师的《机器学习基石》的课程以及看一下这本书，尤其是有志于在机器学习领域做一些研究的同学，确实选材都是机器学习“基石”的内容，非常地fundamental，经得起时间的检验。

另外，文末彩蛋：

在AMLbook网站上林轩田老师是有更新后面陆续的章节的(以e-Chapter)的形式给出

e-Chapter 6 Similarity-Based Methods

e-Chapter 7 Neural Networks

e-Chapter 8 Support Vector Machines

e-Chapter 9 Learning Aides