简介
本书以机器学习算法为主题，详细介绍算法的理论细节与应用方法。全书共19章，分别介绍了逻辑回归与最大熵模型、k-近邻模型、决策树模型、朴素贝叶斯模型、支持向量机模型、集成学习框架、EM算法、降维算法、聚类算法、神经网络模型等基础模型或算法，以及8个综合项目实例：汽车运动学片段分类、垃圾信息识别、乳腺癌识别、波士顿房价预测、生成动漫人物、鸢尾花分类、人脸识别、保险行为数据用户分类器。本书重视理论与实践相结合，希望为读者提供全面而细致的学习指导。 本书适合机器学习初学者、相关行业从业人员以及高等院校计算机科学、软件工程等相关专业的师生阅读。
编辑推荐
内容深入浅出，既有对基础知识点的讲解，也涉及关键问题和重点、难点的分析和解决。 具有超强的实用性，实例丰富。前11章理论部分都提供了一个小的实例，后8章提供了综合项目实例，让读者理解概念、原理和算法。 以理论与实践相结合为出发点，介绍Python机器学习实战中的相关内容，使零基础读者也可以快速上手。
更多出版物信息
- 版权： 清华大学出版社
- 出版： 2021-05-01
- 更新： 2023-06-22
- 书号：9787302576419
- 中图：TP181;TP311.561
- 学科：工学控制科学与工程工学计算机科学与技术工学软件工程交叉学科智能科学与技术
