#每日一书#

9.29 大数据时代的算法

大数据时代的算法：机器学习，人工智能及其典型实例

机器学习相关的书还介绍2本，10月开新坑，介绍其他方面的书。今天这本书我是2017年入手的，总体来说就是介绍各种算法，而且是传统的机器学习算法。

它并不分方向来介绍模型，而是只介绍算法，像最基础的各种距离，各种排序，到各种编码。然后就是数据查找算法，海量数据会使用的布隆过滤器，倒排，银行间和背包，感觉像是在刷题一样，哈哈。

除了最基础的算法外，这本书的一个特点就是有介绍一些机器学习的基础算法，像相似度算法，就介绍了Jaccard，MinHash，空间向量模型，cos相似度等等，这确实是做IR 必学的。

分类介绍了朴素贝叶斯，Adaboost，SVM，KNN，聚类介绍了距离和KM，DBSCAN等等，这些我几乎都实现过，也是一种蛮好的体验。

然后就到了数据预测和估算算法，这才算机器学习，介绍了KNN，隐马尔科夫，条件随机场，最后就是数据决策，包括了ID3，C4.5，分类回归树，随机森林和Apriori。然后本书最后还拿一章介绍推荐算法，主要是介绍协同过滤等

感觉这书介绍得蛮全面的，就是因为这种全面导致这200页的书，很不全面，基本都是一笔带过，也没有详细的例子，确实需要读者去扩展。

说实话，我对这些算法还有点了解，读这本书的时候才没有这么难，如果真的一个入门的人来说，肯定体验不会好。 我都见过专门介绍SVM，都能介绍一本书的，现在面试应该不会让你手写SVM公式了，但是基本的算法还是应该了解的。

这本书不推荐，基础的数据结构和算法有更好的书，机器学习基础也有更好的书，这本书确实有点杂糅了，如果真的一个一个的代码例子，那会好很多。