机器学习(英文版)

王朝导购·作者佚名
 
  点此进入淘宝搜索页搜索
  特别声明:本站仅为商品信息简介,并不出售商品,您可点击文中链接进入淘宝网搜索页搜索该商品,有任何问题请与具体淘宝商家联系。
  参考价格: 点此进入淘宝搜索页搜索
  分类: 图书,工业技术,原版书,

作者: Tom M.Mitchell 著

出 版 社: 机械工业出版社

出版时间: 2003-3-1字数:版次: 1页数: 414印刷时间: 2003-3-1开本:印次:纸张: 胶版纸I S B N : 9787111115021包装: 平装编辑推荐

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。

内容简介

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。

作者简介

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。

目录

1 Introduction

2 Concept Learning and the General-to-Specific Ordering

3 Decision Tree Learning

4 Artificial Neural Networks

5 Evaluating Hypotheses

6 Bayesian Learning

7 Computational Learning Theory

8 Instance-Based Learning

9 Genetic Algorithms

10 Learning Sets Rules

11 Analytical Learning

12 Combining Inductive and Analytical Learning

13 Reinforcement Learning

Appendix

媒体评论

 
 
免责声明:本文为网络用户发布,其观点仅代表作者个人观点,与本站无关,本站仅提供信息存储服务。文中陈述内容未经本站证实,其真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。
© 2005- 王朝网络 版权所有