发表于2024-11-21
机器学习(英文版) 2024 pdf epub mobi 电子书
这本书是很好的 machine learing入门书,但写于1997年。虽然老是老了点,但其中对descision tree, neural network 的讲解很详细,也给出了算法发展的过程,最重要的是它处理起这两块比elements of statistical learning 要直观多了。 没有code,后面的章节可能过时了,需要参考...
评分这本书是很好的 machine learing入门书,但写于1997年。虽然老是老了点,但其中对descision tree, neural network 的讲解很详细,也给出了算法发展的过程,最重要的是它处理起这两块比elements of statistical learning 要直观多了。 没有code,后面的章节可能过时了,需要参考...
评分这本书是很好的 machine learing入门书,但写于1997年。虽然老是老了点,但其中对descision tree, neural network 的讲解很详细,也给出了算法发展的过程,最重要的是它处理起这两块比elements of statistical learning 要直观多了。 没有code,后面的章节可能过时了,需要参考...
评分这本书是很好的 machine learing入门书,但写于1997年。虽然老是老了点,但其中对descision tree, neural network 的讲解很详细,也给出了算法发展的过程,最重要的是它处理起这两块比elements of statistical learning 要直观多了。 没有code,后面的章节可能过时了,需要参考...
评分这本书是很好的 machine learing入门书,但写于1997年。虽然老是老了点,但其中对descision tree, neural network 的讲解很详细,也给出了算法发展的过程,最重要的是它处理起这两块比elements of statistical learning 要直观多了。 没有code,后面的章节可能过时了,需要参考...
图书标签: 机器学习 人工智能 计算机科学 计算机 AI MachineLearning 认知 计算机算法
本书展示了机器学习中的核心算法和理论,并阐明了算法的过行过程。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。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,已经非常丰富。机器学习从很多学科吸收了成果和概念,包括人工智能、概论论与数理统计、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。
浅显易懂
评分注意时间,不建议作为当今教材
评分这本书的年代有点远了,所以知识太陈旧了。不推荐大家读。
评分证明推导清晰,是最大的感触~~读完之后 有全局观的感觉
评分证明推导清晰,是最大的感触~~读完之后 有全局观的感觉
机器学习(英文版) 2024 pdf epub mobi 电子书