機器學習導論

《機器學習導論》對機器學習的定義和應用實例進行了介紹，涵蓋了監(jiān)督學習。貝葉斯決策理論。參數(shù)方法、多元方法、維度歸約、聚類、非參數(shù)方法、決策樹。線性判別式、多層感知器，局部模型、隱馬爾可夫模型。分類算法評估和比較，組合多學習器以及增強學習等。機器學習的目標是對計算機編程，以便使用樣本數(shù)據(jù)或以往的經(jīng)驗來解決給定的問題。已經(jīng)有許多機器學習的成功應用，包括分析以往銷售數(shù)據(jù)來預測客戶行為，人臉識別或語音識別，優(yōu)化機器人行為以便使用最少的資源來完成任務，以及從生物信息數(shù)據(jù)中提取知識的各種系統(tǒng)。為了對機器學習問題和解進行統(tǒng)一的論述，《機器學習導論》討論了機器學習在統(tǒng)計學、模式識別、神經(jīng)網(wǎng)絡。人工智能。信號處理、控制和數(shù)據(jù)挖掘等不同領域的應用。對所有學習算法都進行了解釋，以便讀者可以容易地將書中的公式轉(zhuǎn)變?yōu)橛嬎銠C程序?！稒C器學習導論》可作為高等院校計算機相關專業(yè)高年...

《機器學習導論》對機器學習的定義和應用實例進行了介紹，涵蓋了監(jiān)督學習。貝葉斯決策理論。參數(shù)方法、多元方法、維度歸約、聚類、非參數(shù)方法、決策樹。線性判別式、多層感知器，局部模型、隱馬爾可夫模型。分類算法評估和比較，組合多學習器以及增強學習等。機器學習的目標是對計算機編程，以便使用樣本數(shù)據(jù)或以往的經(jīng)驗來解決給定的問題。已經(jīng)有許多機器學習的成功應用，包括分析以往銷售數(shù)據(jù)來預測客戶行為，人臉識別或語音識別，優(yōu)化機器人行為以便使用最少的資源來完成任務，以及從生物信息數(shù)據(jù)中提取知識的各種系統(tǒng)。為了對機器學習問題和解進行統(tǒng)一的論述，《機器學習導論》討論了機器學習在統(tǒng)計學、模式識別、神經(jīng)網(wǎng)絡。人工智能。信號處理、控制和數(shù)據(jù)挖掘等不同領域的應用。對所有學習算法都進行了解釋，以便讀者可以容易地將書中的公式轉(zhuǎn)變?yōu)橛嬎銠C程序?！稒C器學習導論》可作為高等院校計算機相關專業(yè)高年級本科生和研究生的教材，也可供研究機器學習方法的技術人員參考。