機器學習算法與實踐

內容簡介

本書內容涵蓋了監督學習、無監督學習和半監督學習的代表性算法，對算法的原理與思想、推導與證明、實現與應用中涉及的知識點進行了清晰透徹的闡述。全書由12章組成，主要內容包括機器學習概述、機器學習基本理論、K-近鄰、貝葉斯、線性模型、支持向量機、決策樹、集成學習、聚類算法、數據降維、半監督學習、神經網絡等知識。章節依照算法類別及算法間邏輯關係進行編排，內容結構上條理清晰、由淺入深，並完整地對算法的編碼實現進行了講解，從編程角度展示算法細節，使讀者可以更加深入透徹地理解算法原理、加深對算法的記憶，並能夠針對自身需求對算法進行修改和擴展。爲幫助讀者充分了解和掌握每一章節基礎理論知識，每章附有思維導圖及習題。 本書適合作爲高等院校數據科學與大數據技術、人工智能和計算機類專業的機器學習相關課程教材，也可供從事機器學習和數據挖掘相關研究及應用的工程技術人員和科研工作者參考。

書籍信息