新书预告 | 《机器学习公式推导与代码实现》出版在即！

今年新书《机器学习：公式推导与代码实现》历经一年多写作、整理和修改，目前纸质版二校中，不出意外将在下个月与各位读者见面。

全书总共6大部分26个章节，包括入门、监督学习单模型、监督学习集成模型、无监督学习模型、概率模型和总结。26种机器学习模型与算法，几乎涵盖了全部主流的机器学习算法。包括线性回归、逻辑回归、Lasso回归、Ridge回归、线性判别分析、近邻、决策树、感知机、神经网络、支持向量机、AdaBoost、GBDT、XGBoost、LightGBM、CatBoost、随机森林、聚类算法与kmeans、主成分分析、奇异值分解、最大信息熵、朴素贝叶斯、贝叶斯网络、EM算法、隐马尔可夫模型、条件随机场和马尔可夫链蒙特卡洛方法。

感谢各位读者的关注与支持！

往期精彩：

时隔一年！深度学习语义分割理论与代码实践指南.pdf第二版来了！

 我工作第五年的学习与读书之法
 基于阈值处理的图像分割算法！

 基于边缘检测的图像分割算法！