
内容简介:
本书分类《机器学习导论》面向机器学习领域的主要模型和算法,重点阐述不同方法背后的基本假设以及它们之间的相关性,帮助读者建立机器学习的基础理论功底,为从事该领域的相关工作打下基础。具体内容包括机器学习研究的总体思路、发展历史与关键问题,线性模型,神经网络及深度学习,核方法,图模型,无监督学习,非参数模型,演化学习,强化学习,数值优化方法等。
下载地址:
[ARFormslite id=100]
本书分类《机器学习导论》面向机器学习领域的主要模型和算法,重点阐述不同方法背后的基本假设以及它们之间的相关性,帮助读者建立机器学习的基础理论功底,为从事该领域的相关工作打下基础。具体内容包括机器学习研究的总体思路、发展历史与关键问题,线性模型,神经网络及深度学习,核方法,图模型,无监督学习,非参数模型,演化学习,强化学习,数值优化方法等。