本书展示了机器学习中的核心算法和理论，并阐明了算法的过行过程。书中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。本书被卡内基梅隆等许多大学作为机器学习课程的教材。机器学习这门学科研究的是能通过经验自动改进的计算机算法，其应用从数据挖掘程序到信息过滤系统，再到自动机工具，已经非常丰富。机器学习从很多学科吸收了成果和概念，包括人工智能、概论论与数理统计、哲学、信息论、生物学、认知科学和控制论等，并以此来理解问题的背景、算法和算法中的隐含假定。
具体描述
读后感
这本书我看过很多遍，其实这本书涵盖了很多AI相关的方法，比如ANN中有交叉验证；Bayes中有打折法等等 我觉得此书有两个特点： 1，富含作者本人独到的见解，而且写作手法很生动。 2，所有的学习方法或多或少都围绕着bias（偏置）这个概念，而bias是方法选择的最重要因素。 不足...
评分这本书是很好的 machine learing入门书，但写于1997年。虽然老是老了点，但其中对descision tree, neural network 的讲解很详细，也给出了算法发展的过程，最重要的是它处理起这两块比elements of statistical learning 要直观多了。 没有code，后面的章节可能过时了，需要参考...
评分这本书是很好的 machine learing入门书，但写于1997年。虽然老是老了点，但其中对descision tree, neural network 的讲解很详细，也给出了算法发展的过程，最重要的是它处理起这两块比elements of statistical learning 要直观多了。 没有code，后面的章节可能过时了，需要参考...
评分这本书我看过很多遍，其实这本书涵盖了很多AI相关的方法，比如ANN中有交叉验证；Bayes中有打折法等等 我觉得此书有两个特点： 1，富含作者本人独到的见解，而且写作手法很生动。 2，所有的学习方法或多或少都围绕着bias（偏置）这个概念，而bias是方法选择的最重要因素。 不足...
评分这本书是很好的 machine learing入门书，但写于1997年。虽然老是老了点，但其中对descision tree, neural network 的讲解很详细，也给出了算法发展的过程，最重要的是它处理起这两块比elements of statistical learning 要直观多了。 没有code，后面的章节可能过时了，需要参考...
用户评价
浅显易懂
评分注意时间，不建议作为当今教材
评分证明推导清晰，是最大的感触~~读完之后 有全局观的感觉
评分确实是经典，至少在ml领域算是各方面的一个介绍，可能有人说稍微老了点，不过对我来说已经足够了
评分证明推导清晰，是最大的感触~~读完之后 有全局观的感觉
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