机器学习导论 [美]米罗斯拉夫·库巴特著 王勇等译

机器学习导论 [美]米罗斯拉夫·库巴特著 王勇等译

出版社:机械工业出版社
2018年5月



这本书通过给出易操作的实践指导、采用简单的例子、激励学生讨论有趣的应用问题，用一种易于理解的方式介绍了机器学习的基本思想。本书主题包括贝叶斯分类器、近邻分类器、线性和多项式分类器、决策树、神经网络以及支持向量机。后面的章节展示了如何把这些简单工具通过“提升”（boosting）的方式结合起来，怎样将它们应用于更加复杂的领域，以及如何处理各种高级的实践问题。其中有一章介绍了广为人知的遗传算法。

推荐序
前言
第1章 一个简单的机器学习任务
1.1训练集和分类器
1.2一点题外话：爬山搜索
1.3机器学习中的爬山法
1.4分类器的性能
1.5可用数据的困难
1.6总结和历史简评
1.7巩固你的知识
第2章 概率：贝叶斯分类器
2.1单属性的情况
2.2离散属性值的向量
2.3稀少事件的概率：利用专家的直觉
2.4如何处理连续属性
2.5高斯钟形函数：一个标准的概率密度函数
2.6用高斯函数的集合近似概率密度函数
2.7总结和历史简评
2.8巩固你的知识
第3章 相似性：最近邻分类器
3.1k近邻法则
3.2度量相似性
3.3不相关属性与尺度缩放问题
3.4性能方面的考虑
3.5加权最近邻
3.6移除危险的样例
3.7移除多余的样例
3.8总结和历史简评
3.9巩固你的知识
第4章 类间边界：线性和多项式分类器
………………



链接: https://pan.baidu.com/s/1Eq2UqRm8qAXAi-67pV600A