内容简介
《机器 学习 导论》是一本浅显易懂的 机器学习 入门教材，深入浅出地介绍了机器学习的基础 理论 、模型与 经典 方法 ，并适当融入了 深度学习 的前沿知识。全书共9章，主要内容包括：机器学习概述、回归模型（线性回归、多项式回归、岭回归、套索回归、弹性 网络 、 逻辑 斯谛回归、Softmax回归）、k*近邻和kd树 算法 、支持向量机、贝叶斯分类器与贝叶斯网络、 决策 树、集成学习（AdaBoost、GBDT、随机森林和极端随机树）、聚类（k均值算法、BIRCH算法、DBSCAN算法、OPTICS算法）、深度学习（卷积 神经网络 、循环神经网络、生成式对抗网络）。每章都附有小结与习题，便于读者对知识的巩固和融会贯通。 《机器学习导论》注重选材，内容丰富，条理清晰， 通俗 易懂，着重突出机器学习方法的 思想 内涵和本质，力求反映机器学习领域的核心知识体系和发展 趋势 。 《机器学习导论》可作为高等院校 智能 科学 与 技术 、 数据 科学与 大数据 技术、电子 信息 类等专业的高年级本科生、 研究 生的教材或教学参考书，也可供 人工智能 、数据科学、机器学习相关行业的工程技术人员学习参考。
评论列表
发表评论