具体描述
《机器学习》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。《机器学习》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。《机器学习》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。
作者简介
TOM M.Mitchell是卡内基梅隆大学的教授，讲授“机器(AAA)的主席：美国《Machine Leaming》杂志、国际机器学习年度会议（ICML）的创始人：多种技术杂志的撰稿人，曾发表过许多文章，出版过多本专著，是机器学习领域的著名学者。
目录信息
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)
读后感
机器学习是一门交叉学科，和数据挖掘、人工智能等都极为相似。有一种确定的预感：在未来，机器学习将成为一门历史性的学科。 这本书在两月前已细细看过，写的极为不错，在中文教学上，是已译书籍之中的最佳者，在外文书籍中也首屈一指。作者Mitchell以生动的语言阐述了机器学习...
评分虽然书的出版日期挺早，但是内容还是非常好的。现在很多流行算法的基础都有讲述。刚看了前六章，其中对决策树，ann的介绍很简洁明了也很容易就看清来龙去脉了。只是翻译的有些问题，貌似作者对统计不是很了解，t检验被翻译成t测试了：（不知英文版怎样有机会也要看一遍才好
评分http://www.cs.cmu.edu/~tom/NewChapters.html 要注意，第一版是二十年前写的，跟现在相比少了很多东西。所以第二版完全是重新写，除了标题没啥相同的部分。 =============================================================================
评分这本书有点跟不上时代了 把机器学习归结为在hypothesis space的search这一观点还是很重要很基本的
评分经典力作啊，虽然是九十年代中期写的，在全面性以及最新性方面都不是完美，但是作为入门性的教科书，非常适合自学。书中数学部分不是特别多，所以对大多数在自学中被数学绑脚的人可以不用担心，而且每一章都有参考论文，对于希望追根溯源，继续深入的同学就非常有用了。书的...
用户评价
from windlei..
评分大概看了一遍……转而投向《模式分类》了……
评分from windlei..
评分好像学通了的样子⋯⋯
评分介绍了各种机器学习的模式与算法，无奈我好多都看不懂，应该去做一些实际的项目，再回过头来看看。
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
© 2025 book.wenda123.org All Rights Reserved. 图书目录大全 版权所有