本书介绍
本书通过提供实用的建议,简单易懂的示例以及对相关算法进行有趣的讨论,以一种易于理解的方式介绍了基本的机器学习相关的算法、模型。主要主题包括贝叶斯分类器,最近邻分类器,线性和多项式分类器,决策树,神经网络和支持向量机等机器学习常用模型。后面的章节主要讲解如何通过“增强”的方式来组合这些简单的模型,如何在更复杂的领域中利用它们,以及如何处理各种高级实践问题。有一章专门介绍流行的遗传算法。
该修订版包含有关机器学习在工业中的实际应用的关键主题的三个全新章节。本章探讨了多标签领域,无监督学习及其在深度学习中的使用,以及归纳法和Inductive Logic Programming方法。扩展了许多章节,并增加丰富了相关的展示材料。本书包含许多新练习,许多已解决的例子,发人深省的实验,以及用于计算机联系的独立作业等。
本书目录
正文截图
往期精品内容推荐
自然语言处理中数据增强(Data Augmentation)技术最全盘点
神经网络视频/图像渲染相关经典论文、项目、数据集等资源整理分享
2020年免费新书-《自然语言处理中词向量表示算法概述》分享