内容全面；结构合理；叙述清楚；深入浅出。人工智能领域中文的开山之作！
这是一本面向中文读者的机器学习教科书, 为了使尽可能多的读者通过本书对机器学习有所了解, 作者试图尽可能少地使用数学知识.
然而, 少量的概率、统计、代数、优化、逻辑知识似乎不可避免. 因此, 本书更适合大学三年级以上的理工科本科生和研究,
以及具有类似背景的对机器学习感兴趣的人士. 为方便读者, 本书附录给出了一些相关数学基础知识简介.

内容简介

机器学习是计算机科学与人工智能的重要分支领域. 本书作为该领域的入门教材，在内容上尽可能涵盖机器学习基础知识的各方面. 全书共16 章，大致分为3 个部分：第1 部分（第1～3 章）介绍机器学习的基础知识；第2 部分（第4～10 章）讨论一些经典而常用的机器学习方法（决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习）；第3 部分（第11～16 章）为进阶知识，内容涉及特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及强化学习等. 每章都附有习题并介绍了相关阅读材料，以便有兴趣的读者进一步钻研探索。

本书可作为高等院校计算机、自动化及相关专业的本科生或研究生教材，也可供对机器学习感兴趣的研究人员和工程技术人员阅读参考。

第1章绪论
1.1引言
1.2基本术语
1.3假设空间
1.4归纳偏好
1.5发展历程
1.6应用现状
1.7阅读材料
习题
参考文献
休息一会儿
第2章模型评估与选择
2.1经验误差与过拟合
2.2评估方法
2.3性能度量
2.4比较检验
2.5偏差与方差
2.6阅读材料
习题
参考文献
休息一会儿
第3章线性模型
3.1基本形式
3.2线性回归
3.3对数几率回归
3.4线性判别分析
3.5多分类学习
3.6类别不平衡问题
3.7阅读材料
习题
参考文献
休息一会儿
第4章决策树
4.1基本流程
4.2划分选择
4.3剪枝处理
4.4连续与缺失值
4.5多变量决策树
4.6阅读材料
习题
参考文献
休息一会儿
第5章神经网络
5.1神经元模型
5.2感知机与多层网络
5.3误差逆传播算法
5.4全局x小与局部极小
5.5其他常见神经网络
5.6深度学习
5.7阅读材料
习题
参考文献
休息一会儿
第6章支持向量机
6.1间隔与支持向量
6.2对偶问题
6.3核函数
6.4软间隔与正则化
6.5支持向量回归
6.6核方法
6.7阅读材料
习题
参考文献
休息一会儿
第7章贝叶斯分类器
7.1贝叶斯决策论
7.2极大似然估计
7.3朴素贝叶斯分类器
7.4半朴素贝叶斯分类器
7.5贝叶斯网
7.6EM算法
7.7阅读材料
习题
参考文献
休息一会儿
第8章集成学习
8.1个体与集成
8.2Boosting
8.3Bagging与随机森林
8.4结合策略
8.5多样性
8.6阅读材料
习题
参考文献
休息一会儿
第9章聚类
9.1聚类任务
9.2性能度量
9.3距离计算
9.4原型聚类
9.5密度聚类
9.6层次聚类
9.7阅读材料
习题
参考文献
休息一会儿
第10章降维与度量学习
10.1南近邻学习
10.2低维嵌入
10.3主成分分析
10.4核化线性降维
10.5流形学习
10.6度量学习
10.7阅读材料
习题
参考文献
休息一会儿
第11章特征选择与稀疏学习
11.1子集搜索与评价
11.2过滤式选择
11.3包裹式选择
11.4嵌入式选择与L1正则化
11.5稀疏表示与字典学习
11.6压缩感知
11.7阅读材料
习题
参考文献.
休息一会儿
第12章计算学机器学习【首届京东文学奖-年度新锐入围作品】下载 mobi epub pdf txt 电子书格式