发表于2024-12-25
机器学习导论 2024 pdf epub mobi 电子书
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。
评分最近一直在看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...
评分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...
评分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...
评分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...
图书标签: 机器学习 人工智能 数据挖掘 计算机 计算机科学 MachineLearning AI 基础知识
《机器学习导论》对机器学习的定义和应用实例进行了介绍,涵盖了监督学习。贝叶斯决策理论。参数方法、多元方法、维度归约、聚类、非参数方法、决策树。线性判别式、多层感知器,局部模型、隐马尔可夫模型。分类算法评估和比较,组合多学习器以及增强学习等。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,人脸识别或语音识别,优化机器人行为以便使用最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。为了对机器学习问题和解进行统一的论述,《机器学习导论》讨论了机器学习在统计学、模式识别、神经网络。人工智能。信号处理、控制和数据挖掘等不同领域的应用。对所有学习算法都进行了解释,以便读者可以容易地将书中的公式转变为计算机程序。《机器学习导论》可作为高等院校计算机相关专业高年级本科生和研究生的教材,也可供研究机器学习方法的技术人员参考。
内容广而浅
评分内容太浅显了。
评分比《模式分类》好太多,重概念不重优化解法。
评分对各种机器学习算法都作了简单介绍 适合初学入门 对机器学习各种算法有个大概的认识 整本书比较偏理论,数学公式比较多
评分比《模式分类》好太多,重概念不重优化解法。
机器学习导论 2024 pdf epub mobi 电子书