译者序
前言
第1章 引言
第2章 概念学习和一般到特殊序
第3章 决策树学习
第4章 人工神经网络
第5章 评估假设
第6章 贝叶斯学习
第7章 计算学习理论
第8章 基于实例的学习
第9章 遗传算法
第10章 学习规则集合
第11章 分析学习
第12章 归纳和分析学习的结合
第13章 增强学习
附录 符号约定
· · · · · · (收起)
前言
第1章 引言
第2章 概念学习和一般到特殊序
第3章 决策树学习
第4章 人工神经网络
第5章 评估假设
第6章 贝叶斯学习
第7章 计算学习理论
第8章 基于实例的学习
第9章 遗传算法
第10章 学习规则集合
第11章 分析学习
第12章 归纳和分析学习的结合
第13章 增强学习
附录 符号约定
· · · · · · (收起)
具体描述
本书展示了机器学习中核心的算法和理论，并阐明了算法的运行过程。综合了许多的研究成果，例如统计学、人工智能、哲学、信息论、生物学、认知科学、计算复杂性和控制论等，并以此来理解问题的背景、算法和其中的隐含假定。
本书可作为计算机专业 本科生、研究生 教材，也可作为相关领域研究人员、教师的参考书。
用户评价
评分
##好难
评分##早期的书，有的地方太简略了
评分##老书。现在不太推荐了
评分##早期的书，有的地方太简略了
评分机器学习的经典入门教材，虽然有点老，但是基本方向都覆盖了。
评分##入门资料
评分##不知道是我学艺不精基础太差还是什么问题，尽管很多人说这本书基础，但我看起来也不是那么好懂嘛。反正工程实例很少，理论非常多，像一篇一篇论文拼出来的。
评分##看了2/3 近期不想再翻了 内容确实有点旧
评分##换老大 要搞technique了。。。
