機器學習方法 (電子書)

機器學習是以概率論、統計學、資訊理論、**化理論、計算理論等為基礎的電腦應用理論學科，也是人工智慧、資料採擷等領域的基礎學科。《機器學習方法》全面系統地介紹了機器學習的主要方法，共分三篇。第一篇介紹監督學習的主要方法，包括感知機、k近鄰法、樸素貝葉斯法、決策樹、邏輯斯諦回歸與**熵模型、支援向量機、Boosting、EM演算法、隱瑪律可夫模型、條件隨機場等；第二篇介紹無監督學習的主要方法，包括聚類、奇異值分解、主成分分析、潛在語義分析、概率潛在語義分析、瑪律可夫鏈蒙特卡羅法、潛在狄利克雷分配、PageRank演算法等。第三篇介紹深度學習的主要方法，包括前饋神經網路、卷積神經網路、迴圈神經網路、序列到序列模型、預訓練語言模型、生成對抗網路等。書中每章介紹一兩種機器學習方法，詳細敘述各個方法的模型、策略和演算法。從具體例子入手，由淺入深，幫助讀者直觀地理解基本思路，同時從理論角度出發，給出嚴格的數學推導，嚴謹詳實，讓讀者更好地掌握基本原理和概念。目的是使讀者能學會和使用這些機器學習的基本技術。為滿足讀者進一步學習的需要，書中還對各個方法的要點進行了總結，給出了一些習題，並列出了主要參考文獻。 《機器學習方法》是機器學習及相關課程的教學參考書，適合人工智慧、資料採擷等專業的本科生、研究生使用，也供電腦各個領域的專業研發人員參考。