作者简介

作者简介:
Peter Flach
布里斯托大学人工智能教授,拥有20多年的机器学习教研经验。在高度结构化的数据挖掘以及通过ROC分析来评估和改进机器学习模型方面,Flach是国际领先的研究人员。他还是Machine Learning期刊总编。曾担任2009年ACM知识发现与数据挖掘国际会议、2012年欧洲机器学习与数据挖掘国际会议的程序委员会共同主席。另著有Simply Logical: Intelligent Reasoning by Example。
译者简介:
段菲
工学博士,英特尔(中国)研究中心研究员,研究方向为机器学习与计算机视觉。

内容简介

《机器学习》是最全面的机器学习教材之一。书中首先介绍了机器学习的构成要素(任务、模型、特征)和机器学习任务,接着详细分析了逻辑模型(树模型、规则模型)、几何模型(线性模型和基于距离的模型)和概率模型,然后讨论了特征、模型的集成,以及被机器学习研究者称为“实验”的方法。作者不仅使用了已有术语,还引入了一些新的概念,同时提供了大量精选的示例和插图解说。


作者简介:

Peter Flach

布里斯托大学人工智能教授,拥有20多年的机器学习教研经验。在高度结构化的数据挖掘以及通过ROC分析来评估和改进机器学习模型方面,Flach是国际领先的研究人员。他还是Machine Learning期刊总编。曾担任2009年ACM知识发现与数据挖掘国际会议、2012年欧洲机器学习与数据挖掘国际会议的程序委员会共同主席。另著有Simply Logical: Intelligent Reasoning by Example。

译者简介:

段菲

工学博士,英特尔(中国)研究中心研究员,研究方向为机器学习与计算机视觉。

下载地址

豆瓣评论

  • 栀子飘香
    在拼学历的行当,唯有不断学习与实战才有赢的概率03-18
  • Moja
    一贯的翻译的太烂 我又懒得看原版...07-02
  • Salooloo
    非常棒。逻辑架构很好。机器学习里写的最好的一本。12-30
  • 一只黑眼睛看着大千世界
    前半部分整体内容思路和可视化配图不错,但往后较深内容的讲解太潦草了(2016.6.7jd)04-24
  • 原祖義
    机器学习知识点众多,本书不可作为前期教材,等机器学习各种知识点学的差不多了,再看这本书比较好,本书用一种简单易操作的思路把机器学习进行了分类:两分类、多分类、树模型、规则模型、基于距离模型、概率模型、集成模型、特征、实践、概念。清晰理顺03-08

猜你喜欢

大家都喜欢