书籍简介:

本书对所有主要的机器学习方法和最新研究趋势进行了深入探索，涵盖概率和确定性方法以及贝叶斯推断方法。其中，经典方法包括平均/最小二乘滤波、卡尔曼滤波、随机逼近和在线学习、贝叶斯分类、决策树、逻辑回归和提升方法等，最新趋势包括稀疏、凸分析与优化、在线分布式算法、RKH空间学习、贝叶斯推断、图模型与隐马尔可夫模型、粒子滤波、深度学习、字典学习和潜变量建模等。全书构建了一套明晰的机器学习知识体系，各章内容相对独立，物理推理、数学建模和算法实现精准且细致，并辅以应用实例和习题。本书适合该领域的科研人员和工程师阅读，也适合学习模式识别、统计/自适应信号处理和深度学习等课程的学生参考。

书籍规格:

书籍详细信息
书名	机器学习站内查询相似图书
丛书名	经典原版书库
	9787111565260 如需购买下载《机器学习》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)	239.0	语种	英文
尺寸	19 × 24	装帧	平装
页数	1050	印数	3000

全网搜索试读资源

书籍信息归属:

机器学习是机械工业出版社于2017.4出版的中图分类号为 TP181 的主题关于机器学习－英文的书籍。