机器学习 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

[英] 弗拉赫（Peter Flach） 著，段菲 译

图书标签:

• 机器学习
• 人工智能
• 数据挖掘
• 模式识别
• Python
• 算法
• 统计学习
• 深度学习
• 模型
• 预测

出版社： 人民邮电出版社

ISBN：9787115405777

版次：1

商品编码：11837028

包装：平装

丛书名： 图灵程序设计丛书

开本：16开

出版时间：2016-01-01

用纸：胶版纸

页数：265

正文语种：中文

编辑推荐

　　《机器学习》是迄今市面上内容全面的机器学习教材之一，书中汇集了所有用于理解、挖掘和分析数据的先进方法，并且通过数百个精选实例和解说性插图，直观而准确地阐释了这些方法背后的原理，内容涵盖了机器学习的构成要素和机器学习任务、逻辑模型、几何模型、统计模型，以及矩阵分解、ROC分析等时下热点话题。
　　本书不仅内容丰富，而且图文并茂，无论是新手还是有经验的读者都能从中获益。

内容简介

　　《机器学习》是全面的机器学习教材之一。书中首先介绍了机器学习的构成要素（任务、模型、特征）和机器学习任务，接着详细分析了逻辑模型（树模型、规则模型）、几何模型（线性模型和基于距离的模型）和概率模型，然后讨论了特征、模型的集成，以及被机器学习研究者称为“实验”的方法。作者不仅使用了已有术语，还引入了一些新的概念，同时提供了大量精选的示例和插图解说。

作者简介

　　Peter Flach，布里斯托大学人工智能教授，拥有20多年的机器学习教研经验。在高度结构化的数据挖掘以及通过ROC分析来评估和改进机器学习模型方面，Flach是国际领先的研究人员。他还是Machine Learning期刊总编。曾担任2009年ACM知识发现与数据挖掘国际会议、2012年欧洲机器学习与数据挖掘国际会议的程序委员会共同主席。另著有Simply Logical: Intelligent Reasoning by Example。

精彩书评

　　“本书写作思路清楚，逻辑性强。作者首先介绍了机器学习的基础知识，然后提供了大量有价值的结论、对若干机器学习技术性能的洞见，以及许多核心算法的高层伪代码，巧妙地引领读者循序渐进地学习。”
　　——Fernando Berzal，Computing Reviews

　　“本书条理清晰，对机器学习技术的核心要素进行了全面的论述。作者首先从宏观角度审视机器学习，然后由面到点，深入阐释了各项技术的具体细节。如果你是机器学习领域的专业人士或学生，阅读本书可以帮助你巩固所学的知识。我向所有想认真研究机器学习的人强烈推荐本书！”
　　——读者评论

　　“本书抽象、系统地阐述了机器学习的方方面面，让读者能够深入理解常用机器学习技术的原理。这是攻略和实用手册类图书所做不到的。”
　　——读者评论

目录

绪　论　机器学习概述 1
第1章　机器学习的构成要素　9
1．1　任务：可通过机器学习解决的问题　9
1．1．1　探寻结构　11
1．1．2　性能评价　13
1．2　模型：机器学习的输出　14
1．2．1　几何模型　14
1．2．2　概率模型　17
1．2．3　逻辑模型　22
1．2．4　分组模型与评分模型　26
1．3　特征：机器学习的马达　26
1．3．1　特征的两种用法　28
1．3．2　特征的构造与变换　29
1．3．3　特征之间的交互　32
1．4　总结与展望　33
第2章　两类分类及相关任务　37
2．1　分类　39
2．1．1　分类性能的评价　40
2．1．2　分类性能的可视化　43
2．2　评分与排序　46
2．2．1　排序性能的评价及可视化　48
2．2．2　将排序器转化为分类器　52
2．3　类概率估计　54
2．3．1　类概率估计量　55
2．3．2　将排序器转化为概率估计子　57
2．4　小结与延伸阅读　59
第3章　超越两类分类　61
3．1　处理多类问题　61
3．1．1　多类分类　61
3．1．2　多类得分及概率　65
3．2　回归　68
3．3　无监督学习及描述性学习　70
3．3．1　预测性聚类与描述性聚类　71
3．2．2　其他描述性模型　74
3．4　小结与延伸阅读　76
第4章　概念学习　77
4．1　假设空间　78
4．1．1　最小一般性　79
4．1．2　内部析取　82
4．2　通过假设空间的路径　84
4．2．1　最一般相容假设　86
4．2．2　封闭概念　87
4．3　超越合取概念　88
4．4　可学习性　92
4．5　小结与延伸阅读　94
第5章　树模型　97
5．1　决策树　100
5．2　排序与概率估计树　103
5．3　作为减小方差的树学习方法　110
5．3．1　回归树　110
5．3．2　聚类树　113
5．4　小结与延伸阅读　115
第6章　规则模型　117
6．1　学习有序规则列表　117
6．2　学习无序规则集　124
6．2．1　用于排序和概率估计的规则集　128
6．2．2　深入探究规则重叠　130
6．3　描述性规则学习　131
6．3．1　用于子群发现的规则学习　131
6．3．2　关联规则挖掘　135
6．4　一阶规则学习　139
6．5　小结与延伸阅读　143
第7章　线性模型　145
7．1　最小二乘法　146
7．1．1　多元线性回归　150
7．1．2　正则化回归　153
7．1．3　利用最小二乘回归实现分类　153
7．2　感知机　155
7．3　支持向量机　158
7．4　从线性分类器导出概率　164
7．5　超越线性的核方法　168
7．6　小结与延伸阅读　170
第8章　基于距离的模型　173
8．1　距离测度的多样性　173
8．2　近邻与范例　178
8．3　最近邻分类器　182
8．4　基于距离的聚类　184
8．4．1　K均值算法　186
8．4．2　K中心点聚类　187
8．4．3　silhouette　188
8．5　层次聚类　190
8．6　从核函数到距离　194
8．7　小结与延伸阅读　195
第9章　概率模型　197
9．1　正态分布及其几何意义　200
9．2　属性数据的概率模型　205
9．2．1　利用朴素贝叶斯模型实现分类　206
9．2．2　训练朴素贝叶斯模型　209
9．3　通过优化条件似然实现鉴别式学习　211
9．4　含隐变量的概率模型　214
9．4．1　期望最大化算法　215
9．4．2　高斯混合模型　216
9．5　基于压缩的模型　218
9．6　小结与延伸阅读　220
第10章　特征　223
10．1　特征的类型　223
10．1．1　特征上的计算　223
10．1．2　属性特征、有序特征及数量特征　227
10．1．3　结构化特征　228
10．2　特征变换　229
10．2．1　阈值化与离散化　229
10．2．2　归一化与标定　234
10．2．3　特征缺失　239
10．3　特征的构造与选择　240
10．4　小结与延伸阅读　243
第11章　模型的集成　245
11．1　Bagging 与随机森林　246
11．2　Boosting　247
11．3　集成学习进阶　250
11．3．1　偏差、方差及裕量　250
11．3．2　其他集成方法　251
11．3．3　元学习　252
11．4　小结与延伸阅读　252
第12章　机器学习的实验　255
12．1　度量指标的选择　256
12．2　量指标的获取　258
12．3　如何解释度量指标　260
12．4　小结与延伸阅读　264
后记　路在何方　267
记忆要点　269
参考文献　271

前言/序言

　　人工智能、大数据分析、机器人等领域在近年来日益引人瞩目，而机器学习则是其中一类非常重要的理论和工具。Peter Flach 教授的这部著作可作为机器学习的入门图书，帮助广大迫切希望了解和掌握机器学习的同学和工程师奠定良好的基础。
　　本书各章节的选题恰到好处，不但对经典机器学习框架中的模型做了非常系统的梳理和分类，涵盖了机器学习基础知识的主要部分，如不同的学习模型、特征、集成学习，而且还对机器学习实验，尤其是机器学习算法的评价（ROC分析）给予了特别的关注，这是十分难能可贵的（在一定程度上弥补了同类教科书的空白）。只要理解了上述内容，相信读者便掌握了机器学习的基本要素，同时有能力进一步就一些更专门、更前沿的主题，如在线学习、主动学习、强化学习、深度学习等，进行更为深入的学习和探索。从这个意义上讲，作者对本书的导论性著作的定位已充分地达成了。
　　对于如何帮助读者充分理解书中的知识点，作者也予以了充分考虑。书中配有相当数量的图解和实例，旨在突出机器学习理论的直观性。这些内容的数学门槛不高，对工程师和工科学生无疑会有很大的帮助。在各章节中，作者还对每种方法的历史影响进行了介绍，相信会十分有助于提升读者的学习兴趣。作者作为在该领域耕耘多年的研究人员，拥有非常丰富的实践经验，在不少章节中都详尽地分享了实践经验，比如特征和实验这两章。相信这些宝贵的经验会为读者朋友们具体实践机器学习理论带来更好的可操作性。
　　最后要提到译者段菲的翻译，通篇用语规范、表达准确，总体说来是非常不错的翻译版本。作为计算机视觉领域的优秀研究人员，他本人也在使用机器学习方面有着丰富的研究和实践经验，相信这些都为这本书的翻译质量带来不少保证。
　　张益民
　　英特尔（中国）研究院首席研究员

《机器学习》 内容梗概 这是一部关于人类情感、命运纠葛与个体成长历程的深刻描摹。故事围绕着一群在时代洪流中努力寻找自我、维系情感的普通人展开。 故事的序幕拉开在江南水乡一个宁静的小镇，主人公林语，一位心思细腻、内向敏感的青年，与青梅竹马的苏婉有着一段纯真而美好的童年情谊。然而，命运的齿轮在他们最不设防的时候悄然转动。苏婉的家庭突遭变故，不得不跟随父母远赴他乡，这段纯粹的感情也因此被时间和空间隔开，只留下无尽的思念与淡淡的忧伤。 多年后，林语考入大城市的一所知名大学，在这里，他遇见了性格张扬、充满活力的陈默，以及温婉知性的周静。陈默如同一团烈火，点燃了林语内向世界的热情，他们一起探索着未知，分享着彼此的梦想与困惑。而周静则如同一泓清泉，用她的善良与理解，抚慰着林语内心的不安与孤独。三个年轻人，在青春的十字路口，各自怀揣着不同的理想，经历着初恋的萌动、友谊的考验以及对未来的憧憬。 与此同时，故事的另一条线索聚焦于李明海，一位饱经风霜的中年男人。他曾是那个小镇上意气风发的青年，却因一场意外事故，承受了无法言说的愧疚与痛苦，也因此与曾经的挚爱赵雅天各一方。李明海在城市的底层默默打拼，用勤劳的双手支撑着破碎的生活，也试图在时间的流逝中寻找救赎。他的人生轨迹与林语的命运，在冥冥之中有了交集，这种交集，并非简单的相遇，而是关于责任、关于成长、关于理解的深刻碰撞。 随着情节的推进，林语在大学期间，接触到了更广阔的世界。他开始思考人生的意义，对社会现象产生质疑，并尝试用自己的方式去理解和改变周遭。他曾在一次偶然的机会下，看到了苏婉在异乡发布的一条关于公益事业的动态，心中泛起涟漪。这份重燃的牵挂，让他开始重新审视自己内心深处的情感，也促使他开始了一段寻找的旅程。 陈默在追逐梦想的道路上，遇到了挫折与诱惑，他的性格中冲动与执着的一面，让他面临着艰难的选择。他的故事，展现了一个年轻人在现实面前的挣扎与成长，以及在坚持自我与妥协之间摇摆的困境。 周静则在校园的象牙塔里，逐渐成熟。她用她的智慧与善良，化解了林语与陈默之间的误会，也成为了他们情感世界中重要的支持者。她的成长，是从一个懵懂的少女，蜕变成一个能够独立思考、有责任感的女性的过程。 李明海的人生，在一次偶然的事件中，与林语产生了直接的联系。林语无意中得知了李明海的过去，以及他背负的沉重秘密。这种了解，让林语对这个曾经在自己童年记忆中模糊不清的男人，产生了复杂的情感。他看到了一个男人在生活压力下的坚韧，也看到了他在道德困境中的挣扎。而李明海，也从林语身上，看到了自己曾经失去的纯真与希望。 故事的高潮，在于一系列事件的累积与爆发。林语在寻找苏婉的过程中，意外发现了她所经历的，远比他想象的要复杂和艰难。苏婉在异乡，并没有沉沦，而是用自己的力量，在困境中开辟出一条道路，并积极参与到帮助那些和她一样遭遇不幸的人的活动中。她的坚韧与善良，让林语对她产生了一种全新的、更深层次的敬佩。 陈默在一次重要的创业项目上，面临着一个关乎原则的重大抉择。他必须在个人利益和道德底线之间做出取舍。他的选择，将决定他未来的道路，也考验着他内心深处的价值观。 李明海的秘密，在某个时刻被揭露，这不仅对他自己，也对与他相关的人，造成了巨大的冲击。他必须勇敢地面对过去，承担起应有的责任，并尝试修复那些被伤害的关系。 故事的尾声，并没有一个简单的“圆满结局”。相反，它展现了人生的复杂性与不确定性。林语与苏婉，在经历了一系列波折后，重新走到了一起，但他们的重逢，不再是童年时期那种不谙世事的纯粹，而是带着各自的成长、理解与包容。他们懂得，爱情需要共同的努力与经营，也需要面对现实的挑战。 陈默，在经历了事业的起伏后，学会了更加成熟地看待成功与失败，他找到了更适合自己的发展方向，并继续朝着自己的理想迈进。 周静，成为了一个独立而有担当的女性，她用她的才华与善良，在社会上发挥着自己的作用，并继续温暖着身边的人。 李明海，在坦诚自己的过错后，虽然不能完全弥补过去的遗憾，但他的坦荡与担当，让他获得了内心的平静，也赢得了他人的理解与尊重。他最终选择了一种更平和的方式，去面对余生。 《机器学习》通过林语、苏婉、陈默、周静和李明海这几条相互交织的人物线，深刻地探讨了以下主题： 成长的代价与蜕变： 每一个主人公都在不同的人生阶段，经历了痛苦的磨砺，最终实现了自我超越。他们的成长，并非一帆风顺，而是伴随着选择、牺牲与领悟。 情感的维系与考验： 爱情、友情、亲情，在命运的捉弄下，经历了分离、误会、背叛与重逢。故事展现了情感的脆弱性，也强调了在困难面前，坚持与理解的重要性。 责任与救赎： 李明海的故事，揭示了过去犯下的错误所带来的长期影响，以及承担责任、寻求救赎的艰难道路。 自我认知与价值实现： 主人公们在不断的探索与碰撞中，逐渐认识到自己的优点与不足，并努力寻找实现人生价值的方式。 时代的烙印与个体命运： 故事发生在特定的时代背景下，人物的命运与大时代的变迁紧密相连，反映了在宏大叙事下，个体经历的喜怒哀乐。 关于“选择”的哲学思考： 人生由无数的选择构成，每一个选择都可能改变一个人的人生轨迹。故事中的人物，都在面临着各种选择，他们的决定，塑造了他们的命运。 《机器学习》是一部关于生活、关于人性、关于成长的史诗。它用细腻的笔触，刻画了普通人在命运洪流中的挣扎与坚守，传递出一种深刻而温暖的人生哲理：生活并非只有单线式的进步，它充满了迂回、反复，但也正是这些曲折，才成就了我们独一无二的人生。它告诉我们，真正的“学习”，并非源于书本上的公式与定理，而是来自于对生活经验的体悟，对情感的理解，以及对自身缺点的反思与超越。在这个过程中，我们不断地“机器学习”，不断地成长，最终，找到属于自己的，属于生命的答案。

评分☆☆☆☆☆

这本书的封面设计有一种深邃而引人入胜的感觉，深蓝色的背景上点缀着一些抽象的节点和连接线，仿佛在诉说着知识的脉络。我一直对人工智能领域充满好奇，但又苦于找不到一个合适的入门途径。市面上关于机器学习的书籍琳琅满目，各种概念和算法的堆砌常常让人望而却步。然而，当我拿到这本书时，却有一种莫名的信任感。它的标题虽然简洁明了，但却蕴含着无限的可能性。我期待它能为我打开一扇通往机器学习世界的大门，让我能够理解那些在科幻电影中才能看到的智能背后究竟隐藏着怎样的奥秘。我希望这本书不仅仅是理论的堆砌，更能包含一些实际的案例分析，让我能够将所学的知识应用于解决实际问题。毕竟，理论的学习是为了实践的升华。我更看重的是它能否帮助我建立起清晰的学习脉络，让我知道从哪里开始，如何一步步深入，最终能够独立地思考和解决与机器学习相关的问题。这本书的出版，让我感到非常惊喜，我迫不及待地想要一探究竟，看看它是否能满足我长久以来对这个领域的好奇心。

评分☆☆☆☆☆

这本书的排版和插图真的做到了令人眼前一亮。很多技术书籍往往为了追求内容的详实而牺牲了阅读的舒适度，但这本书在这方面做得非常出色。每一个章节的划分都显得尤为清晰，逻辑性很强，让人能够循序渐进地理解复杂的概念。我尤其喜欢其中穿插的图示和流程图，它们就像是黑暗中的灯塔，瞬间就能点亮我对于某个抽象算法的理解。我之前尝试过阅读一些其他的机器学习资料，但常常在某个关键的转折点卡住，原因就是缺乏直观的解释。这本书在这方面显然下了不少功夫，通过丰富的视觉元素，将枯燥的数学公式和算法原理变得生动有趣。这种“润物细无声”的教学方式，对于我这样的初学者来说，简直是福音。我期待它能让我不再对那些复杂的数学符号感到畏惧，而是能够真正地理解它们在机器学习中所扮演的角色，并从中感受到其中的美妙之处。我想，一本好的教材，就应该能够激发读者的学习兴趣，而不是让他们感到疲惫和沮丧。

评分☆☆☆☆☆

从阅读这本书的整体感受来看，它无疑是一部极具启发性的作品。我之所以选择这本书，很大程度上是因为我对机器学习的未来发展以及它对人类社会可能带来的深远影响充满了好奇。这本书没有辜负我的期望，它不仅仅停留在技术的层面，更引人深思的是其中对机器学习伦理、发展趋势以及潜在挑战的探讨。作者以一种宏观而又富有远见的视角，带领我审视了机器学习在驱动科技进步和社会变革中的角色，也让我开始思考作为学习者，我们应该如何以负责任的态度去驾驭这项强大的技术。这种超越技术本身、关注人文关怀和未来展望的深度，是我在其他一些技术书籍中鲜少看到的。我希望通过阅读这本书，能够获得更全面的认知，不仅仅是掌握“如何做”，更能思考“为什么这样做”以及“这样做会带来什么”。它为我提供了一个更广阔的视野，让我认识到学习机器学习的不仅仅是为了掌握一门技术，更是为了成为一个能够理解和塑造未来的人。

评分☆☆☆☆☆

读这本书的体验，就像是在参加一场精心策划的知识盛宴。作者在内容的处理上，真的展现出了极高的专业素养和对读者的关怀。他并没有急于抛出大量的概念和公式，而是先从宏观的角度，描绘了机器学习的整个发展图景和它在现实世界中的广泛应用。这种“先知其然，再知其所以然”的引导方式，极大地减轻了我的学习压力，让我能够更全面地认识到学习机器学习的价值和意义。随后，对于每一个核心概念的讲解，都深入浅出，层层递进。即使是一些相对复杂的算法，作者也能通过类比、举例等多种方式，将其解释得通俗易懂。我最欣赏的一点是，他在介绍算法的同时，还会深入探讨其背后的原理、适用场景以及局限性，这让我能够形成一个更加全面和辩证的认识，而不是仅仅停留在“知道了”的层面。这种严谨又不失灵活的讲解风格，让我觉得这本书不仅仅是传授知识，更是在培养一种思考问题的方式。

评分☆☆☆☆☆

我一直认为，学习任何一门技术，最关键的在于能否将其与实际问题相结合。这本书在这方面做得相当到位。我惊喜地发现，书中不仅提供了详细的理论讲解，还包含了一系列精心挑选的实战案例。这些案例并非是那种过于理论化、脱离实际的“教科书式”的例子，而是真正能够反映当前机器学习在各个领域应用的鲜活范, 例如在图像识别、自然语言处理、推荐系统等方面的应用。更重要的是，书中并没有仅仅停留在“描述”案例，而是深入地剖析了每个案例是如何运用机器学习的原理和技术来解决实际问题的。我期待能够通过这些案例，学习到如何将书本上的理论知识转化为解决实际问题的能力，掌握一套行之有效的解决问题的方法论。我相信，通过对这些案例的深入研究和模仿，我能够更快地提升自己的实践能力，真正地将机器学习应用到我的学习和工作中去。

评分☆☆☆☆☆

如今，机器学习正在互联网上下掀起热潮，而Python则是非常适合开发机器学习系统的一门优秀语言。作为动态语言，它支持快速探索和实验，并且针对Python的机器学习算法库的数量也与日俱增。本书最大的特色，就是结合实例分析教会读者如何通过机器学习解决实际问题。

评分☆☆☆☆☆

非常好的书，学习Python数据分析必备

评分☆☆☆☆☆

非常不错的书， 适合与时俱进， 拥抱新东西，活到老学到老的人。

评分☆☆☆☆☆

本书将向读者展示如何从原始数据中发现模式，首先从Python与机器学习的关系讲起，再介绍一些库，然后就开始基于数据集进行比较正式的项目开发了，涉及建模、推荐及改进，以及声音与图像处理。通过流行的开源库，我们可以掌握如何高效处理文本、图片和声音。同时，读者也能掌握如何评估、比较和选择适用的机器学习技术。

评分☆☆☆☆☆

第二次购买，使用起来很方便可靠，内容给力

评分☆☆☆☆☆

时下很火的内容要赶紧学习了

评分☆☆☆☆☆

举几个例子，我们会介绍怎么把StackOverflow的回答按质量高低进行分类，怎么知道某个音乐文件是爵士风格，还是重金属摇滚风格。另外，本书还涵盖了主题建模、购物习性分析及云计算等高级内容。总之，通过学习本书，读者可以掌握构建自己所需系统的各方面知识，并且学以致用，解决自己面临的现实问题。

评分☆☆☆☆☆

书到了，包装的非常好，希望能对学习有所帮助

评分☆☆☆☆☆

这本书在现在各种机器学习的书里面，很好。