机器学习导论（原书第3版）

埃塞姆·阿培丁（Ethem Alpaydin），土耳其伊斯坦布尔博阿齐奇大学计算机工程系的教授。于1990年在洛桑联邦理工学院获博士学位，先后在美国麻省理工学院和伯克利大学工作和进行博士后研究。Ethem博士主要从事机器学习方面的研究，是剑桥大学《The Computer Journal》杂志编委和Elsevier《Pattern Recognition》杂志的副主编。2001年和2002年，Ethem博士先后获得土耳其科学院青年科学家奖和土耳其科学与技术研究委员会科学奖。

出版者:机械工业出版社

作者:[土耳其] 埃塞姆·阿培丁（EthemAlpaydin）

页数:356

译者:范明

出版时间:2016-1-1

价格:79.00元

装帧:平装

isbn号码:9787111521945

丛书系列:计算机科学丛书

图书标签:机器学习大数据机器学习算法人工智能机器学习导论计算机阿里推荐土耳其

机器学习的目标是对计算机编程，以便使用样本数据或以往的经验来解决给定的问题。已经有许多机器学习的成功应用，包括分析以往销售数据来预测客户行为，优化机器人的行为以便使用较少的资源来完成任务，以及从生物信息数据中提取知识的各种系统。本书是关于机器学习的内容全面的教科书，其中有些内容在一般的在机器学习导论书中很少介绍。主要内容包括监督学习，贝叶斯决策理论，参数、半参数和非参数方法，多元分析，隐马尔可夫模型，增强学习，核机器，图模型，贝叶斯估计和统计检验。

机器学习正在迅速成为计算机科学专业的学生必须掌握的一门技能。本书第3版反映了这种变化，增加了对初学者的支持，包括给出了部分习题的参考答案和补充了实例数据集（提供在线代码）。其他显著的变化包括离群点检测的讨论、感知器和支持向量机的排名算法、矩阵分解和谱方法、距离估计、新的核算法、多层感知器的深度学习和非参数贝叶斯方法。书中对所有学习算法都进行了解释，以便读者可以很容易地将书中的公式转变为计算机程序。本书可以用作高年级本科生和硕士研究生的教材，也可供研究机器学习方法的技术人员参考。

读后感

基本上传统统计学习的知识点都梳理到了，而且有课后习题答案。当然从内容上说，很多东西会有些陈旧了，这本书是在CNN咸鱼翻身前写的，但大体内容不错，比如概率图模型这些，都做了介绍。数学基础，也没有太拘泥。每个章节会略显短，属于打骨骼的书，长肉要看其他资料，通俗性上...  

为了对机器学习能有系统性的知识，买了这本书。因为书里各种公式占据了百分之七八十的比例，所以呵呵了。但是剩余的百分之三十可以读一读的，特别是需要对机器学习有个系统体系性的认识的话。这本书就一般吧。缺点就是数学公式太多了。

为了对机器学习能有系统性的知识，买了这本书。因为书里各种公式占据了百分之七八十的比例，所以呵呵了。但是剩余的百分之三十可以读一读的，特别是需要对机器学习有个系统体系性的认识的话。这本书就一般吧。缺点就是数学公式太多了。

最近一直在看Duda 英文版的模式分类，看的很头痛，在图书馆碰到了这本书，可以用来增加自信，感觉这本书的很多方面很Duda的书很相似，甚至好多内容直接就是引用的Duda的书，内容过于精简，不过好处是可能出书的时间比较晚，提到了很多Duda的书里面没有的比较前沿的知识。 确实...  

基本上传统统计学习的知识点都梳理到了，而且有课后习题答案。当然从内容上说，很多东西会有些陈旧了，这本书是在CNN咸鱼翻身前写的，但大体内容不错，比如概率图模型这些，都做了介绍。数学基础，也没有太拘泥。每个章节会略显短，属于打骨骼的书，长肉要看其他资料，通俗性上...  

用户评价

比前面两版有进步，作为导论来讲还凑合，适合入门，但还是有股机翻味，对照英文原版看会流畅许多

作为一本导论，对于机器学习的各种算法和思想讲得很全面，完全起到了导论的作用。不过具体到每种算法，只大概讲了一下算法的思路，讲得并不详细，而且数学推导占大部分，实例较少，可能会显得有些晦涩难懂，最好读每章的时候配合上网查找资料学习。

一般般吧，比同类的算法导论差多了

作为一本导论，对于机器学习的各种算法和思想讲得很全面，完全起到了导论的作用。不过具体到每种算法，只大概讲了一下算法的思路，讲得并不详细，而且数学推导占大部分，实例较少，可能会显得有些晦涩难懂，最好读每章的时候配合上网查找资料学习。

作为一本导论，对于机器学习的各种算法和思想讲得很全面，完全起到了导论的作用。不过具体到每种算法，只大概讲了一下算法的思路，讲得并不详细，而且数学推导占大部分，实例较少，可能会显得有些晦涩难懂，最好读每章的时候配合上网查找资料学习。