本书系统地讲解了机器学习的理论与方法,内容主要包括EM算法和高斯混合模型、主题模型、采样与非参数贝叶斯方法、聚类分析、支持向量机、概率无向图模型、概率有向图模型、矩阵与张量分解、多层感知机与卷积神经网络、序列神经网络,以及强化学习。本书旨在使读者了解机器学习的发展过程,理解和掌握机器学习的基本原理、方法与主要应用。本书内容丰富,着重于讲解机器学习理论的推导与证明,并通过实例进行方法分析与比较;本书强调机器学习的系统性、完整性、方法的时效性,可读性强;同时,作为新形态教材,本书配备了大量的数字化资源,可以实现线上线下学习的无缝衔接。 本书既可以作为国内各高等学校、科研院所本科生、研究生的教材,也可供国内外从事机器学习研究和工程应用的人员使用。
本书系统地讲解了机器学习的理论与方法,内容主要包括EM算法和高斯混合模型、主题模型、采样与非参数贝叶斯方法、聚类分析、支持向量机、概率无向图模型、概率有向图模型、矩阵与张量分解、多层感知机与卷积神经网络、序列神经网络,以及强化学习。本书旨在使读者了解机器学习的发展过程,理解和掌握机器学习的基本原理、方法与主要应用。本书内容丰富,着重于讲解机器学习理论的推导与证明,并通过实例进行方法分析与比较;本书强调机器学习的系统性、完整性、方法的时效性,可读性强;同时,作为新形态教材,本书配备了大量的数字化资源,可以实现线上线下学习的无缝衔接。 本书既可以作为国内各高等学校、科研院所本科生、研究生的教材,也可供国内外从事机器学习研究和工程应用的人员使用。
随手扫一扫~了解多多