机器学习之路2
在看完《数据科学导论》之后，我选择了另外一本讲授数据科学的书：《数据科学入门》。
首先讲讲所得吧：
-
相较于导论，这本书面向的对象更多的是python的入门级选手，不仅有算法的实现，还有对一些基础知识的涉及，虽然很浅层，但是足够你理解算法。
-
书的内容很新，用到了python3来作为代码基础。
-
作者对python有深入的了解，而且自成一套体系，他写代码的过程和结果完美的遵守了这个，所以你看他的代码，如果你认真的看下去，会发现他的代码简单而有用，正如python一样。而且作者不是采用已有的库来实现各个算法，而是从头写这些算法的代码，所以深入的看完所有的代码，就好像你参与了某个开源项目一样，知道它为何这么写，以及写的原因如何。
讲完了有点，开始说说那些有所缺憾的：
-
首先还是代码，代码很精妙，也很多，但是相对于刚开始简单的算法，我们可以根据代码，反推出数学公式，或者自己了解数学公式，可以从代码中看到，但是随着算法的复杂，后面的算法代码读的越发艰难，后面几章我看到算法代码都是直接跳过。
-
很多算法都是自己手写代码，这个没问题，但是python的理念就不是重复造轮子，所以我们还需要在读一本关于这些算法已有的库的使用介绍，
-
整个阅读算法代码的感受，就好像参与一个完全开源的项目库一样，由于实现功能繁多，而且还要考虑种种情况，包括数据类型，只能说对于我这种刚入门的新手还是有点艰难，再加上有时候代码复用，看到后面我都忘记这个函数当初是为啥建立的。
-
如果可以的话，在算法实现前可以有数学算法的介绍，很多时候它介绍了算法的实现原理，但是没有数学公式推演，导致在算法代码时候看的一知半解，如果两者皆有，哪怕我只记得其中一样也可以。
后续的阅读反向估计是要先解决一下数学逻辑和库的使用，至于实际场景的应用和解析，估计要到《概率论应用》中使用，可以在看西瓜书的时候往回追溯
