機器學習(英文版)

內容概要

本書展示了機器學習中的核心算法和理論，并闡明了算法的過行過程。書中主要涵蓋了目前機器學習中各種最實用的理論和算法，包括概念學習、決策樹、神經網絡、貝葉斯學習、基于實例的學習、遺傳算法、規(guī)則學習、基于解釋的學習和增強學習等。對每一個主題，作者不僅進行了十分詳盡和直觀的解釋，還給出了實用的算法流程。本書被卡內基梅隆等許多大學作為機器學習課程的教材。機器學習這門學科研究的是能通過經驗自動改進的計算機算法，其應用從數據挖掘程序到信息過濾系統(tǒng)，再到自動機工具，已經非常豐富。機器學習從很多學科吸收了成果和概念，包括人工智能、概論論與數理統(tǒng)計、哲學、信息論、生物學、認知科學和控制論等，并以此來理解問題的背景、算法和算法中的隱含假定。

作者簡介

Tom M.Mitchell是卡內基梅隆大學教授，目前擔任該校自動學習和發(fā)現中心主任。他還是美國人工智能協(xié)會的主席，并且是《Machine Learning》雜志和國際機器學習會議的創(chuàng)辦者。

書籍目錄

1 Introduction
2 Concept Learning and the General-to-Specific Ordering
3 Decision Tree Learning
4 Artificial Neural Networks
5 Evaluating Hypotheses
6 Bayesian Learning
7 Computational Learning Theory
8 Instance-Based Learning
9 Genetic Algorithms
10 Learning Sets Rules
11 Analytical Learning
12 Combining Inductive and Analytical Learning
13 Reinforcement Learning
Appendix

圖書封面

圖書標簽Tags

無

評論、評分、閱讀與下載

---

    機器學習(英文版) PDF格式下載

---