本書是機器學習領(lǐng)域的入門教材，詳細闡述了機器學習的基本理論和方法。全書由15章組成，包括機器學習概論、數(shù)學基礎(chǔ)知識、線性模型與邏輯斯諦回歸、支持向量機、人工神經(jīng)網(wǎng)絡、決策樹算法、貝葉斯算法、k近鄰算法、數(shù)據(jù)降維算法、聚類算法、高斯混合模型與EM算法、集成學習算法、**熵算法、概率圖算法以及強化學習算法等。對每一種機器學習算法，均從算法原理的理論推導和MATLAB實現(xiàn)兩方面進行介紹。本書既注意保持理論分析的嚴謹性，又注重機器學習算法的實用性，同時強調(diào)機器學習算法的思想和原理在計算機上的實現(xiàn)。全書內(nèi)容選材恰當，系統(tǒng)性強，行文通俗流暢,具有較強的可讀性。

更多科學出版社服務，請掃碼獲取。