爱教材 | 机器学习到底学习了什么—探秘机器学习
Itext爱教材
探秘机器学习
www.itextbook.cn
机器学习是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习作为人工智能的核心,旨在利用数据或经验使计算机模拟或实现人类学习行为,继而不断完成自身性能的优化。本期小编就为大家推荐一本有关机器学习的教材,本书聚焦机器学习中的多种算法,清晰呈现算法背后的数学和统计学知识,同时提供必要的编程技巧和实验方法。
教材推荐
Machine Learning: An Algorithmic Perspective, Second Edition
《机器学习:算法视角》,第二版
Author: Stephen Marsland
ISBN: 9781466583283
Published 2014 by CRC Press
△ 点击二维码直达全文链接,支持在线阅读和下载
教材简介
机器学习融合了计算机科学、统计学、数学、工程学等多个学科,应用领域遍及经济、生物、医药、物理、化学等。本书针对计算机科学专业学生遇到的统计学基础知识不足的问题,重点介绍机器学习中的各种算法并探究其工作原理,旨在帮助读者掌握算法思想,熟悉相关的数学与统计学知识,并掌握必要的编程技巧和实验方法。
书中首先介绍基础概念,然后从相对简单的监督学习方法开始讲解,同时讨论了优化和搜索问题,之后分析无监督学习算法,最后探讨更现代的基于统计的机器学习方法。书中全面涵盖各类算法,如神经网络、多层感知器、径向基函数、支持向量机、进化学习、强化学习、决策树学习、无监督学习、图模型等。为了反映机器学习领域最新的研究进展,第2版新增了两个章节来讨论深度置信网络和高斯过程,此外,还添加了随机森林、考虑精度的方法、MLP的共轭梯度优化、卡尔曼滤波和粒子滤波等内容。本书适合作为高等院校人工智能、数据科学、机器人工程和计算机等专业的课程教材,也适合该领域的技术人员阅读参考。
教材目录
Contents
Prologue to 2nd Edition
Prologue to 1st Edition
Chapter 1: Introduction
Chapter 2: Preliminaries
Chapter 3: Neurons, Neural Networks, and Linear Discriminants
Chapter 4: The Multi-layer Perceptron
Chapter 5: Radial Basis Functions and Splines
Chapter 6: Dimensionality Reduction
Chapter 7: Probabilistic Learning
Chapter 8: Support Vector Machines
Chapter 9: Optimisation and Search
Chapter 10: Evolutionary Learning
Chapter 11: Reinforcement Learning
Chapter 12: Learning with Trees
Chapter 13: Decision by Committee: Ensemble Learning
Chapter 14: Unsupervised Learning
Chapter 15: Markov Chain Monte Carlo (MCMC) Methods
Chapter 16: Graphical Models
Chapter 17: Symmetric Weights and Deep Belief Networks
Chapter 18: Gaussian Processes
APPENDIX A: Python
作者简介
史蒂芬•马斯兰(Stephen Marsland)
新西兰惠灵顿维多利亚大学数学与统计学院教授,兼任新西兰复杂系统卓越研究中心项目主管,负责复杂性、风险与不确定性等相关主题的研究工作。研究兴趣是几何和复杂系统的应用,主要涉及形状空间、机器学习和算法。
-END-
文字:西安交通大学外教中心
图片:爱教材平台
编辑:小材
长按关注我们
itext爱教材
www.itextbook.cn