机器学习（英文版）
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
