《机器学习》
Tom M.Mitchell著、曾华军、张银奎等译9787111109937机械工业出版社
“机器学习”一般被定义为一个系统自我改进的过程，但仅仅从这个定义来理解和实现机器学习是困难的。从最初的基于神经元模型以及函数逼近论的方法研究，到以符号演算为基础的规则学习和决策树学习的产生，和之后的认知心理学中归纳、解释、类比等概念的引入，至最新的计算学习理论和统计学习的兴起（当然还包括基于马尔可夫过程的增强学习），习机器学习-直都在相关学科的实践应用中起着主导作用。研究人员们借鉴了各个学科的思想来发展机器学习，但关于机器学习问题的实质究竟是什么尚无定论。不同的机器学习方法也各有优缺点，只在其适用的领域内才有良好的效果。因此，以枚举的方法描述机器学习中的各个理论和算法可能是最合适的途径。
《机器学习》一书正是以这种途径来介绍机器学习的。其主要涵盖了目前机器学习中各种最实用的理论和算法，包括概念学习、决策树、神经网络、贝叶斯学习、基于实例的学习、遗传算法、规则学习、基于解释的学习和增强学习等。对每一个主题，作者不仅进行了十分详尽和直观的解释，还给出了实用的算法流程。此外，书中还包括一章对学习算法的精度进行实验评估的内容。书后的习题和参考文献提供了进一步思考相关问题的线索，在网址http：//www-2.cs.cmu.edu/~tom/mlbook.html上也可以找到关于该书的讲演幻灯片、例子程序和数据等信息。在卡内基梅隆等许多大学，本书都被作为机器学习课程的教材。
目录
第1章 引言
1.1 学习问题的标准描述
1.2 设计一个学习系统
1.2.1 选择训练经验
1.2.2 选择目标函数
1.2.3选择目标函数的表示
1.2.4 选择函数逼近算法
1.2.5 最终设计
1.3 机器学习的一些观点和问题
1.4 如何阅读本书
1.5 小结和补充读物
习题
第2章
概念学习和一般到特殊序.
2.1 简介
2.2 概念学习任务
2.2.1 术语定义
2.2.2 归纳学习假设
2.3 作为搜索的概念学习
2.4 FIND-S：寻找极大特殊假设
2.5 变型空间和候选消除算法
2.5.1 表示
2.5.2 列表后消除算法
2.5.3 变型空间的更简洁表示
2.5.4 候选消除学习算法
2.5.5 算法的举例
仅供学习
本文链接：https://www.wodfd.com/1454.html
备用下载链接：https://www.wodfd.com/1225.html