出版社:机械工业出版社
年代:2019
定价:49.0
本书从概率近似正确(PAC)理论出发探讨机器学习的基础理论与典型算法,包括PAC学习框架、VC-维、支持向量机、核方法、在线学习、多分类、排序、回归、降维、强化学习等丰富的内容。此外,附录部分简要回顾了与机器学习密切相关的概率论、凸优化、矩阵以及范数等必要的预备知识。本书重在介绍典型算法的理论支撑并指出算法在实际应用中的关键点,注重理论细节与证明过程,可作为高等院校机器学习、统计学等课程的教材,或作为相关领域研究人员的参考读物。
书籍详细信息 | |||
书名 | 机器学习基础站内查询相似图书 | ||
丛书名 | 智能科学与技术丛书 | ||
9787111622185 如需购买下载《机器学习基础》pdf扫描版电子书或查询更多相关信息,请直接复制isbn,搜索即可全网搜索该ISBN | |||
出版地 | 北京 | 出版单位 | 机械工业出版社 |
版次 | 1版 | 印次 | 1 |
定价(元) | 49.0 | 语种 | 简体中文 |
尺寸 | 19 × 26 | 装帧 | 平装 |
页数 | 256 | 印数 | 5000 |
(韩) 金升渊, (韩) 郑容朱, 著
吕云翔, 编著
(美) 海特·萨拉赫 (Hyatt Saleh) , 著
袁梅宇, 著
(爱尔兰) 约翰·D.凯莱赫 (John D. Kelleher) , (爱尔兰) 布莱恩·马克·纳米 (Brian Mac Namee) , (爱尔兰)...
(美) 康威 (Conway,D.) , 等著
(美) 詹森·贝尔 (Jason Bell) , 著
谢椿, 戴敏, 李文强, 主编
(意) 马可·戈里 (Marco Gori) , 著