機器學習從原理到應用 (電子書)

本書共11章，主要介紹機器學習的基本概念和兩大類常用的機器學習模型，即監督學習模型和非監督學習模型。針對監督學習模型，本書介紹了線性模型（線性回歸、Logistic回歸）、非線性模型（SVM、生成式分類器、決策樹）、集成學習模型和神經網路模型及其訓練；針對非監督學習模型，本書講解了常用的降維技術（線性降維技術與非線性降維技術）和聚類演算法（如均值聚類、GMM、層次聚類、均值漂移聚類、DBSCAN和基於密度峰值的聚類等）。

本書可作為高等院校電腦應用、人工智慧等專業的機器學習相關課程的教材，也可作為電腦應用與人工智慧等領域從業人員的學習參考用書。