2020-01-09 09:12 4390次浏览 1条评论

全面讨论机器学习方法和技术，层次合理、叙述清晰、难度适中。涵盖了经典的机器学习算法和理论，同时补充了近年来新出现的机器学习方法。最佳的机器学习入门教材。《机器学习导论（原书第2版）》讨论了机器学习在统计学、模式识别、神经网络、人工智能、信号处理等不同领域的应用，其中涵盖了监督学习、贝叶斯决策理论、参数方法、多元方法、多层感知器、局部模型、隐马尔可夫模型、分类算法评估和比较以及增强学习。《机器学习导论（原书第2版）》可供完成计算机程序设计、概率论、微积分和线性代数课程的高年级本科生和研究生使用，也可供对机器学习感兴趣的工程技术人员参考。Introduction to Machine Learning,Second Edition 出版者的话 中文版序 译者序 前言 致谢 关于第2版 符号表 第1章　绪论1 1.1　什么是机器学习1 1.2　机器学习的应用实例3 1.2.1　学习关联性3 1.2.2　分类3 1.2.3　回归6 1.2.4　非监督学习7 1.2.5　增强学习8 1.3　注释8 1.4　相关资源10 1.5　习题11 1.6　参考文献12 第2章　监督学习13 2.1　由实例