机器学习(英文版)

内容概要

Tom M.Mitchell是卡内基梅隆大学教授，目前担任该校自动学习和发现中心主任。他还是美国人工智能协会的主席，并且是《Machine Learning》杂志和国际机器学习会议的创办者。

书籍目录

1 introduction

2 concept learning and the general-to-specific ordering

3 decision tree learing

4 artificial networks

5 evaluating hypotheses

6 batesian learing 

7 computaional learing theory

8 instance-based learing

9 genetic algorithms

10 learing sets of rules

11 analytical

12 combining inductive and analytical learning

13 reinforcement learing

作者简介

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。

图书封面

---

 机器学习(英文版)下载 更多精彩书评

---