当前位置:首页 > 计算机网络 > 人工智能 > 机器学习(英文版)
出版社:机械工业出版社
出版日期:2003-03
ISBN:9787111115021
作者:Tom M.Mitchell
页数:436页
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