《机器学习公式详解》是一本介绍机器学习基础知识和常用公式的书籍，适合初学者和想深入了解机器学习的读者。本书详细讲解了机器学习的数学基础、分类算法、回归算法、聚类算法等内容，并提供了大量实例和代码，帮助读者更好地掌握机器学习的原理和应用。
机器学习公式详解读后感第一篇
与南瓜书的第一次会面是在datawhale的开源仓库上，后面是参加了一个直播课抽奖抽到了纸质书。南瓜书是和西瓜书配套“服用”的，“服用”方法：在遇到推导不明白的时候再来查阅此书，或者带着自己的推导来查阅此书与自己的想法相互论证，南瓜书尽可能的降低阅读门槛，正处于本科的我感觉恰有余力
机器学习公式详解读后感第二篇
这本书是对机器学习中的公式进行解析，公式占了全书的比重很大，需要一定的数学基础才能看懂。我看完后觉得可以对不同公式解析进行通俗易懂的解释，可以让刚入门的同学先记住一个概念或者解析的思路。再结合实践进行学习。举个例子，线性模型和决策树部分可以先加入图和一些简单的实践代码例子进行说明，再进行公式推导解析，这样会承接起来相对较好。
机器学习公式详解读后感第三篇
以前只知道有个西瓜书，去年听说了南瓜书，还听说了南瓜书的作者是datawhale成员编写的，这不是巧了吗？原来大佬就在身边，身边无人不是大佬（我除外）。后面阅读了下github对西瓜书中公式的详细解说，一针见血，本来不太理解的一些数学公式瞬间豁然开朗，这本南瓜书真的是太及时了！如今书前几天正式上架，立马推给身边的人，还有期待能拿到文睿大佬的亲笔签名款，O(∩_∩)O哈哈~
机器学习公式详解读后感第四篇
终于从头到尾啃了一遍周志华老师的《西瓜书》，在阅读 csdn 博客的时候偶然看到了有网友提到"南瓜书"，跑到微信读书上搜了一通，竟然可以阅读。
作者还是很耐心，对于复杂的公式一步步的推导求导，力求照顾数学小白的阅读感受。可是"没有最白，只有更白"，我这种数学小白中的战斗力确实有绝大部分的推导都看不懂，不影响学习，暂行略过，后面随着学习的深入再来拜读。
机器学习公式详解读后感第五篇
在AI之眼学习了老师讲的西瓜书公式推导，受益很大！知道南瓜书出版后第一时间入手。个人认为，公式推导是数据挖掘从业者的必经之路，而专门的、细致的、能够提供组织帮助的材料很少，这方面，首推南瓜书。有时公式看不懂，可能是因为自身缺少理解相应知识点的先验知识，南瓜书恰好补充了这一点，能够让读者流畅地看懂公式推导的前因后果。另外，针对书的目录提个小意见，每个小标题最好能够说明是什么内容，这样离开西瓜书也容易查找，当前都是以公式为标题的，不方面查找。
机器学习公式详解读后感第六篇
南瓜书非常不错，对西瓜书上许多未解释清的公式都做了详细解释，并进行分析。同时还对西瓜书上的一些错误的公式进行修正，并对一些数学知识进行详细补充。笔者认为若只是单纯看南瓜书对新手挺难，西瓜书配合南瓜书更容易上手。因此强烈推荐这本书，搭配着西瓜书进行学习。
同时附上周老师的话：纯自学第一遍读最好不超过两月，读不懂的跳过去，不求甚解。对一个发展迅速、知识尚未固化、外延极广的学科，先搭建大体框架要紧，开头不要试图弄懂所有细节。否则要么两年下来仍懵懵懂懂，要么对少量内容有了解、其他无知，失去进一步学习中触类旁通的机会。像画油画一样，一层层往上刷，后面再细琢 。
机器学习公式详解读后感第七篇
想必很多人都听说过周志华老师的《机器学习》（西瓜书），它是机器学习领域的经典入门教材之一。但是这本南瓜书我也是第一次听说。也以另一个角度说明了我国国内关于知识的前瞻性有了很大的进步，AI圣经《深度学习》出自国外，也是真的对得起它的称号。而国内关于这方面的知识少有又少，最近看到这本书，我感觉到有点振奋人心。 ps.介绍一下本书的开源地址：https://github.com/datawhalechina/pumpkin-book
机器学习公式详解读后感第八篇
身为一名在读硕士，我是从本科就接触看到这个项目，并且有过一点参与的学习者。这本书可以说从开源到现在出书，我都看到了一个新时代研究生的成长方向，我们都知道西瓜书是机器学习的“圣经”，但是我相信买过西瓜书或者看过西瓜书的人，都是看了看就溜啦，没有去弄懂那里面每一个公式的“奥秘”。现阶段作为计算机的研究生，如果说你没用过机器学习，或许都会有人嘲笑你，所以不要踌躇了，身为半个“过来”人，就是要读这种“切实”的研究生所理解的机器学习核心知识的内容，如果说周志华老师将机器学习的思想以及数学理论做了理解和铺垫，那么这本书就是现阶段研究生或者寻找方向本科生去追寻的内容。身为Datawhale成员，我为这本书的核心人员以及所有参与人员感到骄傲，这是我未来就是现在身为研究生去秉承的精神：Can do it and dare to share!
关于这本书的质量我想不用置评啦，我想github的star数和那么多的牛人转发已经足以证明一切啦，但是分享一个花边趣闻就可以看出这本书中作者的精髓啦！当时这本书要进行修订时，将我们这些分享者进行讨论，统一给我们发了一份“推导试卷”让我们去推导上面的公式，当时我大四，我推了一下午，都没有弄明白一个半监督公式，然后我就自愿推出了。因为我知道这是一个精挑细选的团队，做出来的东西也一定是最好的。这是我人生中第一次书评吧，写的不太好，全是感悟，希望能得到大家的包涵！！！加油，南瓜书！！！
机器学习公式详解读后感第九篇
“南瓜书”《机器学习公式详解》作者谢老师和异步君说："刚刚收到的一份实习生的简历，我点进去他的GitHub看到了EasyRL项目"，大家都猜测他们刚好在学强化学习提升自己，为接下来的面试做准备。
▲ 谢老师看到面试同学在用EasyRL
EasyRL是 Datawhale 团队一个强化学习教程的开源项目，在 GitHub 上有 4600 多个 Star（截至5月5日）。很多读者在拿它当强化学习的教程之外，也把它当成了强化学习岗位的面试宝典！因为其中含有大量真题为主的面试题，可以用来模拟面试场景。
Datawhale 团队的另一个项目PumpkinBook, 也就是“南瓜书”的《机器学习公式详解》也非常受欢迎，获得了近20000的 Star. 这本《机器学习公式详解》是针对周志华老师的经典“西瓜书”《机器学习》中比较难理解公式的详细解读，内容都是以“西瓜书”为前提设置的。以前学习机器学习的时候，你可能只知道有“西瓜书”，但我们还幸运地拥有了“南瓜书”。“南瓜书”与“西瓜书”同样是大多数相关专业方向读者拿来应对面试的两本宝典，其中的算法题经常出现在机器学习岗位面试中。
机器学习公式详解读后感第十篇
正文两年前，Datawhale开源项目南瓜书发布，受到全网转发，两年后，南瓜书完整版正式撒花完结，重磅出版。从基础公式解析到难点探讨，无论你数学功底如何，都可以在南瓜书里找到你想要的。 “南瓜书”系Datawhale成员自学笔记，对“西瓜书”中250个重难点公式做了详细解析和推导（重难点公式覆盖率达99%），旨在解决机器学习中的数学难题。
首先，确切地说，这是一本“伴侣书”类似于咖啡伴侣一样，这本书是周志华教授的“西瓜书”——《机器学习》的伴侣书，它也有一个可爱的名字 ——“南瓜书”.“南瓜书”对“西瓜书”中的公式进行了解析，并补充了必要的推导过程；在推导公式的过程中有时候会需要一些先验知识，编著者也进行了必要的补充.上述做法对学习机器学习时“知其然”并“知其所以然”非常重要.现在能用一些机器学习工具来实现某个任务的人越来越多了，但是具有机器学习思维且了解其原理从而能够解决实际问题的能力在工作中更重要，具有这种能力的人也更具有竞争力。
其次，这是一本通过开源方式多人协作写成的书这种多人分工合作、互相校验、开放监督的方式，既保证了书的质量，也保证了写作的效率.这是一种站在读者角度且非常先进的生产方式，容易给读者带来很好的体验。
最后，这是一本完全根据学习经历编著而成的书也就是说，这本书完全从读者学习的角度出发，分享编著者在学习中遇到的“坑”以及跳过这个“坑”的方法，这对初学者来说是非常宝贵的经验，也特别能够引起他们的共鸣。其实，每个人在学习一门新的课程时，都会有自己独特的经验和方法。 这种经验和方法的共享非常难能可贵. 在这里，理解公式便是了解机器学习原理的最好方法，其实对于这一点大多数人也深表赞同，因为在学习中很多人就是那种喜欢推导公式的典型代表，只有公式推导成功，才觉得对知识的原理理解得更深刻，否则总是觉得心里不踏实。
机器学习公式详解读后感第十一篇
虽然与本书的编著者素不相识、从未谋面，但是看过书稿之后，我便很乐意也感觉很荣幸有机会给这书写序.
这是一本与众不同的书.
首先，确切地说，这是一本“伴侣书”. 类似于咖啡伴侣一样，这本书是周志华教授的“西瓜书”——《机
器学习》的伴侣书，它也有一个可爱的名字 ——“南瓜书”. “南瓜书”对“西瓜书”中的公式进行了解析， 并补充了必要的推导过程；在推导公式的过程中有时候会需要一些先验知识，编著者也进行了必要的补充.
上述做法对学习机器学习时“知其然”并“知其所以然”非常重要. 现在能用一些机器学习工具来实现某个 任务的人越来越多了，但是具有机器学习思维且了解其原理从而能够解决实际问题的能力在工作中更重要， 具有这种能力的人也更具有竞争力.
其次，这是一本通过开源方式多人协作写成的书. 这种多人分工合作、互相校验、开放监督的方式，既
保证了书的质量，也保证了写作的效率. 在我看来，这是一种站在读者角度且非常先进的生产方式，容易给 读者带来很好的体验. 最后，我想说这是一本完全根据学习经历编著而成的书. 也就是说，这本书完全从读者学习的角度出发， 分享编著者在学习中遇到的“坑”以及跳过这个“坑”的方法，这对初学者来说是非常宝贵的经验，也特别 能够引起他们的共鸣. 其实，每个人在学习一门新的课程时，都会有自己独特的经验和方法. 这种经验和方 法的共享非常难能可贵. 在这里，理解公式便是编著者认为了解机器学习原理的最好方法，其实对于这一点 我也深表赞同，因为在学习中我就是那种喜欢推导公式的典型代表，只有公式推导成功，才觉得对知识的原 理理解得更深刻，否则总是觉得心里不踏实.
对于本书，我有几点阅读建议，供大家参考.
首先，这本“南瓜书”要和“西瓜书”配套阅读，如果在阅读“西瓜书”时对公式疑惑或对概念理解不 畅，可以通过“南瓜书”快速定位公式并进行推导，从而深入理解. 从这个意义来说，“南瓜书”可以看成是 “西瓜书”的公式字典.
其次，阅读时一定要克服对公式的排斥或者畏惧心理. 公式是通过符号对原理本质的高度概括，是一种
精简而美丽的数学语言. 推几个公式之后，相信读者会从中感觉到没有体验过的乐趣.
最后，这本书非常偏技术原理，看上去也有点儿枯燥，阅读时读者还是要事先做好克服困难的准备. 有
时，即使编著者给出了推导过程，读者也不一定一眼就能理解，这就需要自己静下心来仔细研读. 只有这样，
才有可能成为具有机器学习思维而不只是会用机器学习工具的人.
祝大家阅读愉快！
王 斌
小米 AI 实验室主任、NLP 首席科学家
