作者：TomM.Mitchell
页数：436
出版社：机械工业出版社
出版日期：2003
ISBN：9787111115021
电子书格式：pdf/epub/txt
内容简介
本书展示了机器学习中的核心算法和理论，并阐明了算法的运用过程。书中主要含盖了目前机器学习各种最实用的理论和算法，包括概念学习、决策树、神经网络、贝叶斯学习、急于实例的学习、遗传算法、规则学习、基于解释的学习和增强学习等。对每一个主题，作者不仅进行了十分详尽和直观的解释，还给出了实用的算法流程。本书被卡内基梅隆等许多大学生作为机器学习课程的教材。
本书特色
| 机器学习这门学科研究的是能通过经验自动改进的计算机算法，其应用从数据挖掘程序到信息过滤系统，再到自动机工具，已经非常丰宣。机器学习从很多学科吸收了成果和概念，包括人工智能、概率论与数理统计、哲学、信息论、生物学、认知科学和控制论等，并以此来理解问题的背景、算法和算法中的隐含假定。 |
| 本书展示了机器学习中的核心算法和理论，并阐明了算法的运行过程。书中主要涵盖了目前机器学习中各种最实用的理论和算法，包括概念学习、决策树、神经网络、贝叶斯学习、基于实例的学习、遗传算法、规则学习、基于解释的学习和增强学习等。对每一个主题，作者不仅进行了十分详尽和直观的解释，还给出了实用的算法流程。本书被卡内基梅隆等许多大学作为机器学习课程的教材。 |
目录
1introduction
2conceptlearningandthegeneral-to-specificordering
3decisiontreelearing
4artificialnetworks
5evaluatinghypotheses
6batesianlearing
7computaionallearingtheory
8instance-basedlearing
9geneticalgorithms
10learingsetsofrules
11analytical
12combininginductiveandanalyticallearning
13reinforcementlearing
2conceptlearningandthegeneral-to-specificordering
3decisiontreelearing
4artificialnetworks
5evaluatinghypotheses
6batesianlearing
7computaionallearingtheory
8instance-basedlearing
9geneticalgorithms
10learingsetsofrules
11analytical
12combininginductiveandanalyticallearning
13reinforcementlearing
