全书共16章,大体分为三部分: 1. 机器学习基础知识 第1章 绪论第2章 模型评估与选择第3章 线性模型 2. 一些经典而常用的机器学习方法 第4章 决策树第5章 神经网络第6章 支持向量机第7章 贝叶斯分类器第8章 集成学习第9章 聚类第10章 降维与度量学习 3. 一些进阶知识 第11章 特征选择与稀疏学习第12章 计算学习理论第13章 半监督学习第14章 概率图模型第15章 规则学习第16章 强化学习 良好的开端是成功的一半,冫中!