
机器学习
内容简介 · · · · · ·
《机器学习》展示了机器学习中核心的算法和理论,并阐明了算法的运行过程。《机器学习》综合了许多的研究成果,例如统计学、人工智能、哲学、信息论、生物学、认知科学、计算复杂性和控制论等,并以此来理解问题的背景、算法和其中的隐含假定。《机器学习》可作为计算机专业 本科生、研究生教材,也可作为相关领域研究人员、教师的参考书。
作者简介 · · · · · ·
TOM M.Mitchell是卡内基梅隆大学的教授,讲授“机器(AAA)的主席:美国《Machine Leaming》杂志、国际机器学习年度会议(ICML)的创始人:多种技术杂志的撰稿人,曾发表过许多文章,出版过多本专著,是机器学习领域的著名学者。
目录 · · · · · ·
译者序
前言
第1章 引言
第2章 概念学习和一般到特殊序
第3章 决策树学习
第4章 人工神经网络
第5章 评估假设
第6章 贝叶斯学习
第7章 计算学习理论
第8章 基于实例的学习
第9章 遗传算法
第10章 学习规则集合
第11章 分析学习
第12章 归纳和分析学习的结合
第13章 增强学习
附录 符号约定
前言
第1章 引言
第2章 概念学习和一般到特殊序
第3章 决策树学习
第4章 人工神经网络
第5章 评估假设
第6章 贝叶斯学习
第7章 计算学习理论
第8章 基于实例的学习
第9章 遗传算法
第10章 学习规则集合
第11章 分析学习
第12章 归纳和分析学习的结合
第13章 增强学习
附录 符号约定
书评:
机器学习是一门交叉学科,和数据挖掘、人工智能等都极为相似。有一种确定的预感:在未来,机器学习将成为一门历史性的学科。
这本书在两月前已细细看过,写的极为不错,在中文教学上,是已译书籍之中的最佳者,在外文书籍中也首屈一指。作者Mitchell以生动的语言阐述了机器学习的历史与算法,并提供了各算法的出处与延伸,写的深入浅出,堪称完美。美中不足的是,本书较为注重教学&入门,对数学上的详细解释较少。
本书在翻译上也是非常棒的,在机器学习&数据挖掘这方面的书,恐怕没有哪一本翻译的比这本更好。虽然对数学方面的翻译略有瑕疵,但瑕不掩瑜。在时效性上,PRML更好一点,也比NNLM好懂一点。最后一点,推荐这本书的PDF版本,有非常好的颜色标注,对快速的阅读与理解都有着很大的帮助。
这本书在两月前已细细看过,写的极为不错,在中文教学上,是已译书籍之中的最佳者,在外文书籍中也首屈一指。作者Mitchell以生动的语言阐述了机器学习的历史与算法,并提供了各算法的出处与延伸,写的深入浅出,堪称完美。美中不足的是,本书较为注重教学&入门,对数学上的详细解释较少。
本书在翻译上也是非常棒的,在机器学习&数据挖掘这方面的书,恐怕没有哪一本翻译的比这本更好。虽然对数学方面的翻译略有瑕疵,但瑕不掩瑜。在时效性上,PRML更好一点,也比NNLM好懂一点。最后一点,推荐这本书的PDF版本,有非常好的颜色标注,对快速的阅读与理解都有着很大的帮助。
机械工业出版社 计算机科学丛书(黑皮书)全套下载 PDF
常见问题
如何获取我想要的资源?
代找资源网不售卖任何资源,只代找资源,需要代找服务的小伙伴请添加客服QQ 1127720680
代找资源网不售卖任何资源,只提供代找服务
QQ客服
微信客服

评论0