图书标签: 机器学习 人工智能 数据挖掘 计算机科学 技术 数据分析 计算机 高科技
发表于2024-11-08
机器学习 pdf epub mobi txt 电子书 下载 2024
本书是最全面的机器学习教材之一。书中首先介绍了机器学习的构成要素(任务、模型、特征)和机器学习任务,接着详细分析了逻辑模型(树模型、规则模型)、几何模型(线性模型和基于距离的模型)和概率模型,然后讨论了特征、模型的集成,以及被机器学习研究者称为“实验”的方法。作者不仅使用了已有术语,还引入了一些新的概念,同时提供了大量精选的示例和插图解说。
作者简介:
Peter Flach
布里斯托大学人工智能教授,拥有20多年的机器学习教研经验。在高度结构化的数据挖掘以及通过ROC分析来评估和改进机器学习模型方面,Flach是国际领先的研究人员。他还是Machine Learning期刊总编。曾担任2009年ACM知识发现与数据挖掘国际会议、2012年欧洲机器学习与数据挖掘国际会议的程序委员会共同主席。另著有Simply Logical: Intelligent Reasoning by Example。
译者简介:
段菲
工学博士,英特尔(中国)研究中心研究员,研究方向为机器学习与计算机视觉。
英文版就写的比较通俗易懂,感觉中文版翻译的还行,以前不求甚解的地方,两边对照着看就好多了。
评分感觉一般
评分非常棒。逻辑架构很好。机器学习里写的最好的一本。
评分都是理论没有实操,读得好辛苦……
评分非常棒。逻辑架构很好。机器学习里写的最好的一本。
可以看下最后的小结部分,大部分是对基本技术和关键技术的总结,一些论文需要另外学习阅读。 1.树模型和线性模型部分,基本概念都讲得很清楚; 2.距离模型,有些算法,国内的教科书不会提; 3.概率模型,举了朴素贝叶斯分析垃圾邮件的例子; 4.特征部分,写得很好了; 5.集成学...
评分可以看下最后的小结部分,大部分是对基本技术和关键技术的总结,一些论文需要另外学习阅读。 1.树模型和线性模型部分,基本概念都讲得很清楚; 2.距离模型,有些算法,国内的教科书不会提; 3.概率模型,举了朴素贝叶斯分析垃圾邮件的例子; 4.特征部分,写得很好了; 5.集成学...
评分可以看下最后的小结部分,大部分是对基本技术和关键技术的总结,一些论文需要另外学习阅读。 1.树模型和线性模型部分,基本概念都讲得很清楚; 2.距离模型,有些算法,国内的教科书不会提; 3.概率模型,举了朴素贝叶斯分析垃圾邮件的例子; 4.特征部分,写得很好了; 5.集成学...
评分可以看下最后的小结部分,大部分是对基本技术和关键技术的总结,一些论文需要另外学习阅读。 1.树模型和线性模型部分,基本概念都讲得很清楚; 2.距离模型,有些算法,国内的教科书不会提; 3.概率模型,举了朴素贝叶斯分析垃圾邮件的例子; 4.特征部分,写得很好了; 5.集成学...
评分可以看下最后的小结部分,大部分是对基本技术和关键技术的总结,一些论文需要另外学习阅读。 1.树模型和线性模型部分,基本概念都讲得很清楚; 2.距离模型,有些算法,国内的教科书不会提; 3.概率模型,举了朴素贝叶斯分析垃圾邮件的例子; 4.特征部分,写得很好了; 5.集成学...
机器学习 pdf epub mobi txt 电子书 下载 2024