機器學習

內容簡介

本書系統闡述了機器學習的基本理論、算法和實現。全書共11章：第1章着重介紹了機器學習的基本知識；第2章介紹了樣本數據預處理和提取的傳統算法（如PCA和LDA），並增加了流形學習和稀疏表徵等理論；第3~8章系統介紹了傳統機器學習算法，如監督學習（貝葉斯、近鄰、線性模型、非線性模型和集成學習）和非監督學習（聚類）；第9、10章分別介紹了概率圖模型和人工神經網絡的基本理論；第11章着重講述了強化學習的基本理論和算法。 本書針對理論難點，插入了可視化圖，引導讀者對理論的理解；每章配有習題，以便指導讀者深入地進行學習。每章還配有基於Python的實驗，便於工程類讀者快速將理論轉化爲實踐應用，也方便學術型讀者編程實現。 本書既可作爲高等院校本科和研究生人工智能、控制工程、信息處理和智能製造等相關專業的課程教材，也可作爲信息系統開發和大數據分析人員的技術參考書。

書籍信息