译者序
前言
第1章 引言
第2章 概念学习和一般到特殊序
第3章 决策树学习
第4章 人工神经网络
第5章 评估假设
第6章 贝叶斯学习
第7章 计算学习理论
第8章 基于实例的学习
第9章 遗传算法
第10章 学习规则集合
第11章 分析学习
第12章 归纳和分析学习的结合
第13章 增强学习
附录 符号约定
· · · · · · (收起)
前言
第1章 引言
第2章 概念学习和一般到特殊序
第3章 决策树学习
第4章 人工神经网络
第5章 评估假设
第6章 贝叶斯学习
第7章 计算学习理论
第8章 基于实例的学习
第9章 遗传算法
第10章 学习规则集合
第11章 分析学习
第12章 归纳和分析学习的结合
第13章 增强学习
附录 符号约定
· · · · · · (收起)
具体描述
本书展示了机器学习中核心的算法和理论，并阐明了算法的运行过程。综合了许多的研究成果，例如统计学、人工智能、哲学、信息论、生物学、认知科学、计算复杂性和控制论等，并以此来理解问题的背景、算法和其中的隐含假定。
本书可作为计算机专业 本科生、研究生 教材，也可作为相关领域研究人员、教师的参考书。
用户评价
评分
##书很容易懂
评分##: TP181/9942
评分##不知道是我学艺不精基础太差还是什么问题，尽管很多人说这本书基础，但我看起来也不是那么好懂嘛。反正工程实例很少，理论非常多，像一篇一篇论文拼出来的。
评分##ML的经典之作
评分##浓缩的都是精华。
评分##咳咳大一乱翻的结果就是“AI很神奇”之外有用的都没留下，顶多是不至于一个名词都不认识被人糊脸而已……跪，找回来重看。
评分##作为一本稍有过时的书，本书用了大量的符号逻辑推演来讲述机器学习的算法。书很薄，所以废话很少，每一章都值得细细地去读上三四遍，但是个人建议可以把一些章舍去去读其他的书，个人建议可以把第五章，第九章和11,12章给跳过，个人觉得性价比很低。
评分##: TP181/9942
评分##读过部分~
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2026 book.tinynews.org All Rights Reserved. 静思书屋 版权所有