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
##咳咳大一乱翻的结果就是“AI很神奇”之外有用的都没留下，顶多是不至于一个名词都不认识被人糊脸而已……跪，找回来重看。
评分##读过部分~
评分##咳咳大一乱翻的结果就是“AI很神奇”之外有用的都没留下，顶多是不至于一个名词都不认识被人糊脸而已……跪，找回来重看。
评分##入门资料
评分##换老大 要搞technique了。。。
评分##书很容易懂
评分##太简炼了，想掌握还得去读大块头和文献。
评分##介绍了各种机器学习的模式与算法，无奈我好多都看不懂，应该去做一些实际的项目，再回过头来看看。
评分##书很容易懂
