.jpg)
机器学习导论
作者：卢官明
ISBN：978-7-111-68511-1
所属丛书：
配套资源：电子课件、习题答案、教学大纲、试题题库
本书特色：
本书深入浅出地介绍机器学习的基本概念、基础知识和基本原理，不涉及太多、太难的数学知识，用通俗易懂的语言阐述机器学习的理论基础，让读者透彻理解机器学习方法和原理。在实用性方面，基于机器学习的理论基础，结合实例介绍机器学习经典算法，旨在培养学生的计算思维能力，使读者从理论基础和实际应用两个层面全面掌握机器学习的核心技术，知其然且知其所以然，培养学生解决实际问题的能力。
本书教学资源、样书申请可添加小编微信13146070618获取
本书是一本浅显易懂的机器学习入门教材，深入浅出地介绍了机器学习的基础理论、模型与经典方法，并适当融入了深度学习的前沿知识。全书共9章，主要内容包括：机器学习概述、回归模型（线性回归、多项式回归、岭回归、套索回归、弹性网络、逻辑斯谛回归、Softmax回归）、k*近邻和kd树算法、支持向量机、贝叶斯分类器与贝叶斯网络、决策树、集成学习（AdaBoost、GBDT、随机森林和极端随机树）、聚类（k均值算法、BIRCH算法、DBSCAN算法、OPTICS算法）、深度学习（卷积神经网络、循环神经网络、生成式对抗网络）。每章都附有小结与习题，便于读者对知识的巩固和融会贯通。 本书注重选材，内容丰富，条理清晰，通俗易懂，着重突出机器学习方法的思想内涵和本质，力求反映机器学习领域的核心知识体系和发展趋势。 本书可作为高等院校智能科学与技术、数据科学与大数据技术、电子信息类等专业的高年级本科生、研究生的教材或教学参考书，也可供人工智能、数据科学、机器学习相关行业的工程技术人员学习参考。
同系列书
相关图书
