内容简介 · · · · · ·
《机器学习导论》对机器学习的定义和应用实例进行了介绍，涵盖了监督学习。贝叶斯决策理论。参数方法、多元方法、维度归约、聚类、非参数方法、决策树。线性判别式、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，组合多学习器以及增强学习等。机器学习的目标是对计算机编程，以便使用样本数据或以往的经验来解决给定的问题。已经有许多机器学习的成功应用，包括分析以往销售数据来预测客户行为，人脸识别或语音识别，优化机器人行为以便使用最少的资源来完成任务，以及从生物信息数据中提取知识的各种系统。为了对机器学习问题和解进行统一的论述，《机器学习导论》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、控制和数据挖掘等不同领域的应用。对所有学习算法都进行了解释，以便读者可以容易地将书中的公式转变为计算机程序。《机器学习导论》可作为高等院校计算机相关专业高年...
目录 · · · · · ·
出版者的话中文版序译者序前言致谢符号表第1章 绪论 1.1 什么是机器学习 1.2 机器学习的应用实例 1.2.1 学习关联性 1.2.2 分类 1.2.3 回归 1.2.4 非监督学习 1.2.5 增强学习 1.3 注释 1.4 相关资源 1.5 习题 1.6 参考文献第2章 监督学习 2.1 由实例学习类 2.2 VC维 2.3 概率逼近正确学习 2.4 噪声 2.5 学习多类 2.6 回归 2.7 模型选择与泛化 2.8 监督机器学习算法的维 2.9 注释 2.10 习题 2.11 参考文献第3章 贝叶斯决策定理 3.1 引言 3.2 分类 3.3 损失与风险 3.4 判别式函数 3.5 效用理论 3.6 信息值 3.7 贝叶斯网络 3.8 影响图 3.9 关联规则 3.10 注释 3.11 习题 3.12 参考文献第4章 参数方法 4.1 引言 4.2 最大似然估计 4.2.1 伯努利密度 4.2.2 多项密度 4.2.3 高斯（正态）密度 4.3 评价估计：偏倚和方差 4.4 贝叶斯估计 4.5 参数分类 4.6 回归 4.7 调整模型的复杂度：偏倚／方差两难选择 4.8 模型选择过程 4.9 注释 4.10 习题 4.11 参考文献第5章 多元方法 5.1 多元数据 5.2 参数估计 5.3 缺失值估计 5.4 多元正态分布 5.5 多元分类……第6章 维度旭纳第7章 聚类第8章 非参数方法第9章 决策树第10章 线性判别式第11章 多层感知器第12章 局部模型 第13章 隐马尔可夫模型 第14章 分类算法评估和比较第15章 组合多学习器第16章 增强学习
"机器学习导论"试读 · · · · · ·
机器学习使用实例数据或过去的经验训练计算机，以优化性能标准。当人们不能直接编写计算机程序解决给定的问题，而是需要借助于实例数据或经验时，就需要学习。一种需要学习的情况是人们没有专门技术，或者不能解释他们的专门技术。以语音识别，即将声学语音信号转换成ASCII文本为例。看上去我们可以毫无困难地做这件事，但是我们却不能解释我们是如何做的。由于年龄、性别或口音的差异，..
· · · · · · (查看全部试读)
原文摘录 · · · · · · ( 全部 )
-
The maximum number of points that can be shattered by H is called the Vapnik-Chervonenkis (VC) dimension of H , is denoted as VC(H ), and measures the capacity of H (查看原文) —— 引自章节：Supervised Learning -
In real life, the world is smoothly changing, instances close by most of the time have the same labels, and we need not worry about all possible labelings. (查看原文) —— 引自章节：Supervised Learning
> 全部原文摘录
丛书信息
· · · · · ·
计算机科学丛书(共612册)，
这套丛书还有
《深入理解机器学习：从原理到算法》《机器学习》《数据通信与网络教程》《电子商务》《推荐系统》
等
。
喜欢读"机器学习导论"的人也喜欢的电子书 · · · · · ·
支持 Web、iPhone、iPad、Android 阅读器
-
-
2.99元
-
-
1.99元
喜欢读"机器学习导论"的人也喜欢 · · · · · ·
机器学习导论的书评 · · · · · · ( 全部 4 条 )
Squirrel
机械工业出版社2014版
虽然满书的公式，但是作为导论还是可以读一读
为了对机器学习能有系统性的知识，买了这本书。因为书里各种公式占据了百分之七八十的比例，所以呵呵了。但是剩余的百分之三十可以读一读的，特别是需要对机器学习有个系统体系性的认识的话。这本书就一般吧。缺点就是数学公式太多了。
(展开)
子莒
入门不适合，但适合反复阅读
基本上传统统计学习的知识点都梳理到了，而且有课后习题答案。当然从内容上说，很多东西会有些陈旧了，这本书是在CNN咸鱼翻身前写的，但大体内容不错，比如概率图模型这些，都做了介绍。数学基础，也没有太拘泥。每个章节会略显短，属于打骨骼的书，长肉要看其他资料，通俗性上...
(展开)
> 更多书评 4篇
论坛 · · · · · ·
| 这本书下的书评和《机器学习》一模一样，怎么回事？ | 来自Apollonius | 2 回应 | 2016-01-21 14:55:04 |
| 妈蛋怎么找不到习题答案！！！！ | 来自麻袋妖怪 | 2015-09-06 12:22:51 |
这本书的其他版本 · · · · · · ( 全部7 )
在哪儿借这本书 · · · · · ·
以下书单推荐 · · · · · · ( 全部 )
- IT 一级 信息技术（智力层次-实用性） 1.1.1 (ajian005)
- IT 二级 AI人工智能（智力层次-实用性） 1.1.1.9 (ajian005)
- 计算机科学 (月亮)
- Natural Language Processing & Machine Learning & Data Mining (snowblink)
- 重点研究之外国教材中文版本 (月亮)
谁读这本书? · · · · · ·
二手市场
· · · · · ·
订阅关于机器学习导论的评论:
feed: rss 2.0
0 有用 nash635 2011-09-13 00:09:33
讲了这么多东西才200多页，还不如叫机器学习目录
1 有用 0ERROR（S） 2021-06-19 04:28:32
土耳其人，你数学比卖西瓜的强。
0 有用 shawcsn 2011-11-09 09:10:31
弱爆了
0 有用 Even 2015-05-10 10:44:07
内容广而浅
0 有用 霹雳贝贝 2013-10-23 03:49:08
这翻译......您是谷歌翻译来的吧？
0 有用 宋叔 2022-01-04 16:56:43
覆盖面非常全，囊括了主流机器学习、数据挖掘、数理统计相关的内容和算法，比较偏理论，数学公式比较多，多看几遍非常有收获
1 有用 0ERROR（S） 2021-06-19 04:28:32
土耳其人，你数学比卖西瓜的强。
0 有用 weihancool 2020-05-19 17:22:35
写的不错，翻译的有点生硬，基本概念的阐述很到位，适合打基础。总体而言很经典的书，看起来不浮躁
0 有用 木易 2019-05-18 02:47:07
翻译较为生硬，主要是介绍机器学习的理论知识。
0 有用 Sorel 2016-11-04 13:20:15
翻译得不好，很多地方翻译得非常生硬，不知所云