周志华,南京大学教授,计算机科学与技术系副主任,软件新技术国家重点实验室常务副主任,机器学习与数据挖掘研究所(LAMDA)所长,校、系学术委员会委员;ACM杰出科学家,IEEE Fellow,IAPR Fellow,中国计算机学会会士;长江学者特聘教授,国家杰出青年基金获得者。2007年创建南京大学机器学习与数据挖掘研究所(LAMDA),2010年11月任软件新技术国家重点实验室常务副主任,2013年5月任计算机系副主任。
机器学习是计算机科学与人工智能的重要分支领域. 本书作为该领域的入门教材,在内容上尽可能涵盖机器学习基础知识的各方面。 为了使尽可能多的读者通过本书对机器学习有所了解, 作者试图尽可能少地使用数学知识. 然而, 少量的概率、统计、代数、优化、逻辑知识似乎不可避免. 因此, 本书更适合大学三年级以上的理工科本科生和研究生, 以及具有类似背景的对机器学 习感兴趣的人士. 为方便读者, 本书附录给出了一些相关数学基础知识简介.
全书共16 章,大致分为3 个部分:第1 部分(第1~3 章)介绍机器学习的基础知识;第2 部分(第4~10 章)讨论一些经典而常用的机器学习方法(决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习);第3 部分(第11~16 章)为进阶知识,内容涉及特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及强化学习等.前3章之外的后续各章均相对独立, 读者可根据自己的兴趣和时间情况选择使用. 根据课时情况, 一个学期的本科生课程可考虑讲授前9章或前10章; 研究生课程则不妨使用全书.
书中除第1章外, 每章都给出了十道习题. 有的习题是帮助读者巩固本章学习, 有的是为了引导读者扩展相关知识. 一学期的一般课程可使用这些习题, 再辅以两到三个针对具体数据集的大作业. 带星号的习题则有相当难度, 有些并无现成答案, 谨供富有进取心的读者启发思考.
本书可作为高等院校计算机、自动化及相关专业的本科生或研究生教材,也可供对机器学习感兴趣的研究人员和工程技术人员阅读参考。
从18年年底开始,做了一个决定:重新开始机器学习的学习之旅。逡巡了一下书架,决定选择本书作为主要教材,因为本书优点甚多: 一、结构合理,覆盖到了机器学习的几大板块:人工神经网络、SVM、集成学习、聚类分析等; 二、推导过程由浅入深,从简单原型发展到复杂的模型; 三...
评分大致翻了下,目前详细看了第8章集成学习,和前5章。感觉还不错,不由得拿李航的书来比较。(只谈谈我目前看到过的几点,仅供参考) ①内容方面,李的书要少于周的书,周写的内容更多一些。 ②由于只看了第八章,两者关于adaboost的公式讲解都差不多,但是李航的书有例题,一步...
评分从18年年底开始,做了一个决定:重新开始机器学习的学习之旅。逡巡了一下书架,决定选择本书作为主要教材,因为本书优点甚多: 一、结构合理,覆盖到了机器学习的几大板块:人工神经网络、SVM、集成学习、聚类分析等; 二、推导过程由浅入深,从简单原型发展到复杂的模型; 三...
评分开个坑,慢慢填 第一章绪论: http://wangzhinan.com/2017/01/08/zzh-machinelearning-exercise-1/ 第二章模型评估与选择: http://wangzhinan.com/2017/01/21/zzh-machinelearning-exercise-2/
评分这段时间利用下班晚上和周末在家的时间把《机器学习》看了一遍,总的来说,除了前两章是基础,其余章节都是介绍模型方法,应用场景、理论推导、优化过程、算法等,每章都可独立阅读而不受其他章节影响。 如果只是每一章都看完,顶多就是了解了一种方法,相互之间是割裂的,这...
非常好的书,应该是国内最全面的机器学习理论书籍了
评分泼点冷水,大致翻了一遍,内容基本涵盖了现在常用的各种算法,但是各种算法论述比较简略,这点比李航的统计学习方法要差不少,可能周老师写这本书的目的是做教材,个人不认为适合自学
评分吃西瓜指导书????????表示新手真看不太懂,越看越烦躁
评分这是一本可以让你读下去,学下去的入门好书
评分买了本来提升逼格,结果只能看懂科普部分,我这学渣。
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